Your SlideShare is downloading. ×
Bioestadísticas
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Introducing the official SlideShare app

Stunning, full-screen experience for iPhone and Android

Text the download link to your phone

Standard text messaging rates apply

Bioestadísticas

403
views

Published on

Published in: Travel

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
403
On Slideshare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
35
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. TM. Pedro Cortes Alfaro Magister en Administración en Salud Bioestadística Tema 1: Introducción a la estadística Tema 1: Introdución 1
  • 2. ¿Para qué sirve la estadística? La Ciencia se ocupa en general de fenómenos observables La Ciencia se desarrolla observando hechos, formulando leyes que los explican y realizando experimentos para validar o rechazar dichas leyes Los modelos que crea la ciencia son de tipo determinista o aleatorio (estocástico) La Estadística se utiliza como tecnología al servicio de las ciencias donde la variabilidad y la incertidumbre forman parte de su naturaleza “La Bioestadística [...] enseña y ayuda a investigar en todas las áreas de las Ciencias de la Vida donde la variablidad no es la excepción sino la regla” Carrasco de la Peña (1982) Tema 1: Introdución 2
  • 3. Definición La Estadística es la Ciencia de la • Sistematización, recogida, ordenación y presentación de los datos referentes a un fenómeno que presenta variabilidad o incertidumbre para su estudio metódico, con objeto de • deducir las leyes que rigen esos fenómenos, • y poder de esa forma hacer previsiones sobre los mismos, tomar decisiones u obtener conclusiones. Tema 1: Introdución 3
  • 4. Pasos en un estudio estadístico Plantear hipótesis sobre una población  Los fumadores tienen “más bajas” laborales que los no fumadores  ¿En qué sentido? ¿Mayor número? ¿Tiempo medio? Decidir qué datos recoger (diseño de experimentos)  Qué individuos pertenecerán al estudio (muestras)  Fumadores y no fumadores en edad laboral.  Criterios de exclusión ¿Cómo se eligen? ¿Descartamos los que padecen enfermedades crónicas?  Qué datos recoger de los mismos (variables)  Número de bajas  Tiempo de duración de cada baja  ¿Sexo? ¿Sector laboral? ¿Otros factores? Recoger los datos (muestreo)  ¿Estratificado? ¿Sistemáticamente? Describir (resumir) los datos obtenidos  tiempo medio de baja en fumadores y no (estadísticos)  % de bajas por fumadores y sexo (frecuencias), gráficos,... Realizar una inferencia sobre la población  Los fumadores están de baja al menos 10 días/año más de media que los no fumadores. Cuantificar la confianza en la inferencia  Nivel de confianza del 95%  Significación del contraste: p=2% Tema 1: Introdución 4
  • 5. Método científico y estadística Plantear Diseñar hipótesis experimento Obtener Recoger datos conclusiones y analizarlos Tema 1: Introdución 5
  • 6. Población y muestra Población (‘population’) es el conjunto sobre el que estamos interesados en obtener conclusiones (hacer inferencia).  Normalmente es demasiado grande para poder abarcarlo. Muestra („sample’) es un subconjunto suyo al que tenemos acceso y sobre el que realmente hacemos las observaciones (mediciones)  Debería ser “representativo”  Esta formado por miembros “seleccionados” de la población (individuos, unidades experimentales). Tema 1: Introdución 6
  • 7. Variables Una variable es una característica observable que varía entre los diferentes individuos de una población. La información que disponemos de cada individuo es resumida en variables. En los individuos de la población Chilena, de uno a otro es variable:  El grupo sanguíneo  {A, B, AB, O}  Var. Cualitativa  Su nivel de felicidad “declarado”  {Deprimido, Ni fu ni fa, Muy Feliz}  Var. Ordinal  El número de hijos  {0,1,2,3,...}  Var. Numérica discreta  La altura  {1‟62 ; 1‟74; ...}  Var. Numérica continua Tema 1: Introdución 7
  • 8. Tipos de variables Cualitativas Si sus valores (modalidades) no se pueden asociar naturalmente a un número (no se pueden hacer operaciones algebraicas con ellos)  Nominales: Si sus valores no se pueden ordenar  Sexo, Grupo Sanguíneo, Religión, Nacionalidad, Fumar (Sí/No)  Ordinales: Si sus valores se pueden ordenar  Mejoría a un tratamiento, Grado de satisfacción, Intensidad del dolor Cuantitativas o Numéricas Si sus valores son numéricos (tiene sentido hacer operaciones algebraicas con ellos)  Discretas: Si toma valores enteros  Número de hijos, Número de cigarrillos, Num. de “cumpleaños”  Continuas: Si entre dos valores, son posibles infinitos valores intermedios.  Altura, Presión intraocular, Dosis de medicamento administrado, edad Tema 1: Introdución 8
  • 9.  Es buena idea codificar las variables como números para poder procesarlas con facilidad en un ordenador. Es conveniente asignar “etiquetas” a los valores de las variables para recordar qué significan los códigos numéricos.  Sexo (Cualit: Códigos arbitrarios)  1 = Hombre  2 = Mujer  Raza (Cualit: Códigos arbitrarios)  1 = Blanca  2 = Negra,...  Felicidad Ordinal: Respetar un orden al codificar.  1 = Muy feliz  2 = Bastante feliz  3 = No demasiado feliz Se pueden asignar códigos a respuestas especiales como  0 = No sabe  99 = No contesta... Estas situaciones deberán ser tenidas en cuentas en el análisis. Datos perdidos („missing data‟) Tema 1: Introdución 9
  • 10.  Aunque se codifiquen como números, debemos recordar siempre el verdadero tipo de las variables y su significado cuando vayamos a usar programas de cálculo estadístico. No todo está permitido con cualquier tipo de variable. Tema 1: Introdución 10
  • 11.  Los posibles valores de una variable suelen denominarse modalidades. Las modalidades pueden agruparse en clases (intervalos)  Edades:  Menos de 20 años, de 20 a 50 años, más de 50 años  Hijos:  Menos de 3 hijos, De 3 a 5, 6 o más hijos Las modalidades/clases deben forman un sistema exhaustivo y excluyente  Exhaustivo: No podemos olvidar ningún posible valor de la variable  Mal: ¿Cuál es su color del pelo: (Rubio, Moreno)?  Bien: ¿Cuál es su grupo sanguíneo?  Excluyente: Nadie puede presentar dos valores simultáneos de la variable  Estudio sobre el ocio  Mal: De los siguientes, qué le gusta: (deporte, cine)  Bien: Le gusta el deporte: (Sí, No)  Bien: Le gusta el cine: (Sí, No)  Mal: Cuántos hijos tiene: (Ninguno, Menos de 5, Más de 2) Tema 1: Introdución 11
  • 12. Presentación ordenada de datos 7 6Género Frec. 5Hombre 4 4 3 2Mujer 6 1 0 Hombre Mujer Las tablas de frecuencias y las representaciones gráficas son dos maneras equivalentes de presentar la información. Las dos exponen ordenadamente la información recogida en una muestra. Tema 1: Introdución 12
  • 13. Tablas de frecuencia Exponen la información recogida en la muestra, de forma que no se pierda nada de información (o poca).  Frecuencias absolutas: Contabilizan el número de individuos de cada modalidad  Frecuencias relativas (porcentajes): Idem, pero dividido por el total  Frecuencias acumuladas: Sólo tienen sentido para variables ordinales y numéricas  Muy útiles para calcular cuantiles (ver más adelante)  ¿Qué porcentaje de individuos tiene menos de 3 hijos? Sol: 83,8  ¿Entre 4 y 6 hijos? Soluc 1ª: 8,4%+3,6%+1,6%= 13,6%. Soluc 2ª: 97,3% - 83,8% = 13,5% Sexo del encuestado Número de hij os Porcentaje Porcentaje Porcentaje Frecuencia Porcentaje válido Frecuencia Porcentaje válido acumulado Válidos Hombre 636 41,9 41,9 Válidos 0 419 27,6 27,8 27,8 Mujer 881 58,1 58,1 1 255 16,8 16,9 44,7 Total 1517 100,0 100,0 2 375 24,7 24,9 69,5 3 215 14,2 14,2 83,8 Nivel de felicidad 4 127 8,4 8,4 92,2 Porcentaje Porcentaje 5 54 3,6 3,6 95,8 Frecuencia Porcentaje válido acumulado 6 24 1,6 1,6 97,3 Válidos Muy feliz 467 30,8 31,1 31,1 7 23 1,5 1,5 98,9 Bastante feliz 872 57,5 58,0 89,0 Ocho o más 17 1,1 1,1 100,0 No demasiado feliz 165 10,9 11,0 100,0 Total 1509 99,5 100,0 Total 1504 99,1 100,0 Perdidos No contesta Perdidos No contesta 8 ,5 13 ,9 Total 1517 100,0 Total 1517 100,0 Tema 1: Introdución 13
  • 14. Datos desordenados y ordenados en tablas Variable: Género Género Frec. Frec. relat.  Modalidades: porcentaje  H = Hombre Hombre 4 4/10=0,4=40%  M = Mujer Mujer 6 6/10=0,6=60% 10=tamaño muestral Muestra: MHHMMHMMMH  equivale a HHHH MMMMMM Tema 1: Introdución 14
  • 15. Ejemplo ¿Cuántos individuos tienen Número de hij os menos de 2 hijos?  frec. indiv. sin hijos Porcent. Porcent. + Frec. (válido) acum. frec. indiv. con 1 hijo 0 419 27,8 27,8 = 419 + 255 1 255 16,9 44,7 = 674 individuos 2 375 24,9 69,5 ≥50% 3 215 14,2 83,8 ¿Qué porcentaje de individuos 4 127 8,4 92,2 tiene 6 hijos o menos? 5 54 3,6 95,8  97,3% 6 24 1,6 97,3 7 23 1,5 98,9 ¿Qué cantidad de hijos es tal que al menos el 50% de la Ocho+ 17 1,1 100,0 población tiene una cantidad Total 1509 100,0 inferior o igual?  2 hijos Tema 1: Introdución 15
  • 16.  Gráficos para v. cualitativas Diagramas de barras  Alturas proporcionales a las frecuencias (abs. o rel.)  Se pueden aplicar también a variables discretas Diagramas de sectores (tartas, polares)  No usarlo con variables ordinales.  El área de cada sector es proporcional a su frecuencia (abs. o rel.) Pictogramas  Fáciles de entender.  El área de cada modalidad debe ser proporcional a la frecuencia. ¿De los dos, cuál es incorrecto?. Tema 1: Introdución 16
  • 17. Gráficos diferenciales para variables numéricas 419 400 375 Son diferentes en función de que las 300 255 Recuento 215 variables sean discretas o continuas. 200 127 Valen con frec. absolutas o relativas. 100 54 24 23 17  Diagramas barras para v. discretas 0 1 2 3 4 5 6 7 O cho o más  Se deja un hueco entre barras para indicar Número de hij os los valores que no son posibles 250  Histogramas para v. continuas 200 Recuento  El área que hay bajo el histograma entre 150 dos puntos cualesquiera indica la cantidad 100 (porcentaje o frecuencia) de individuos en 50 el intervalo. 20 40 60 80 Edad del encuestado Tema 1: Introdución 17
  • 18. Diagramas integrales Cada uno de los anteriores diagramas tiene su correspondiente diagrama integral. Se realizan a partir de las frecuencias acumuladas. Indican, para cada valor de la variable, la cantidad (frecuencia) de individuos que poseen un valor inferior o igual al mismo. No los construiremos en clase. Se pasan de los diferenciales a los integrales por integración y a la inversa por derivación (en un sentido más general del que visteis en bachillerato.) Tema 1: Introdución 18
  • 19. ¿Qué hemos visto? Definición de estadística Población Muestra Variables  Cualitativas  Numéricas Presentación ordenada de datos  Tablas de frecuencias  absolutas  relativas  acumuladas  Representaciones gráficas  Cualitativas  Numéricas  Diferenciales  Integrales Tema 1: Introdución 19
  • 20. Bioestadística Tema 2: Modelos probabilísticos Tema 2: Modelos probabilísticos 20
  • 21. Variable aleatoria El resultado de un experimento aleatorio puede ser descrito en ocasiones como una cantidad numérica. En estos casos aparece la noción de variable aleatoria  Función que asigna a cada suceso un número. Las variables aleatorias pueden ser discretas o continuas (como en el primer tema del curso). En las siguientes transparencias vamos a recordar conceptos de temas anteriores, junto con su nueva designación. Los nombres son nuevos. Los conceptos no. Tema 2: Modelos probabilísticos 21
  • 22. Función de probabilidad (V. Discretas) Asigna a cada posible valor 40% de una variable discreta su 35% 30% probabilidad. 25%  Recuerda los conceptos de 20% frecuencia relativa y diagrama de barras. 15% 10% Ejemplo 5%  Númerode caras al lanzar 3 0% monedas. 0 1 2 3 Tema 2: Modelos probabilísticos 22
  • 23. Función de densidad (V. Continuas) Definición  Es una función no negativa de integral 1.  Piénsalo como la generalización del histograma con frecuencias relativas para variables continuas. ¿Para qué lo voy a usar?  Nunca lo vas a usar directamente.  Sus valores no representan probabilidades. Tema 2: Modelos probabilísticos 23
  • 24. ¿Para qué sirve la f. densidad? Muchos procesos aleatorios vienen descritos por variables de forma que son conocidas las probabilidades en intervalos. La integral definida de la función de densidad en dichos intervalos coincide con la probabilidad de los mismos. Es decir, identificamos la probabilidad de un intervalo con el área bajo la función de densidad. Tema 2: Modelos probabilísticos 24
  • 25. Función de distribución Es la función que asocia a cada valor de una variable, la probabilidad acumulada de los valores inferiores o iguales.  Piénsalo como la generalización de las frecuencias acumuladas. Diagrama integral.  A los valores extremadamente bajos les corresponden valores de la función de distribución cercanos a cero.  A los valores extremadamente altos les corresponden valores de la función de distribución cercanos a uno. Lo encontraremos en los artículos y aplicaciones en forma de “p-valor”, significación,…  No le des más importancia a este comentario ahora. Ya os irá sonando conforme avancemos. Tema 2: Modelos probabilísticos 25
  • 26. ¿Para qué sirve la f. distribución? Contrastar lo anómalo de una observación concreta.  Sé que una persona de altura 210cm es “anómala” porque la función de distribución en 210 es muy alta.  Sé que una persona adulta que mida menos de 140cm es “anómala” porque la función de distribución es muy baja para 140cm.  Sé que una persona que mida 170cm no posee una altura nada extraña pues su función de distribución es aproximadamente 0,5. Relaciónalo con la idea de cuantil. En otro contexto (contrastes de hipótesis) podremos observar unos resultados experimentales y contrastar lo “anómalos” que son en conjunto con respecto a una hipótesis de terminada.  Intenta comprender la explicación de clase si puedes. Si no, ignora esto de momento. Revisita este punto cuando hayamos visto el tema de contrastes de hipótesis. Tema 2: Modelos probabilísticos 26
  • 27. Valor esperado y varianza de una v.a. X Valor esperado  Se representa mediante E[X] ó μ  Es el equivalente a la media Varianza  Se representa mediante VAR[X] o σ2  Es el equivalente a la varianza  Se llama desviación típica a σ Tema 2: Modelos probabilísticos 27
  • 28. Tema 1: Introdución 28
  • 29. Coeficiente de variación S CVEs la razón entre la desviación típica y la media.  Mide la desviación típica en forma de x “qué tamaño tiene con respecto a la media”  También se la denomina variabilidad relativa.  Es frecuente mostrarla en porcentajes  Si la media es 80 y la desviación típica 20 entonces CV=20/80=0,25=25% (variabilidad relativa) Es una cantidad adimensional. Interesante para comparar la variabilidad de diferentes variables.  Si el peso tiene CV=30% y la altura tiene CV=10%, los individuos presentan más dispersión en peso que en altura. No debe usarse cuando la variable presenta valores negativos o donde el valor 0 sea una cantidad fijada arbitrariamente  Por ejemplo 0ºC ≠ 0ºF Los ingenieros electrónicos hablan de la razón „señal/ruido‟ (su inverso). 29
  • 30. Algunos modelos de v.a. Hay v.a. que aparecen con frecuencia en las Ciencias de la Salud.  Experimentos dicotómicos.  Bernoulli  Contar éxitos en experimentos dicotómicos repetidos:  Binomial  Poisson (sucesos raros)  Y en otras muchas ocasiones…  Distribución normal (gaussiana, campana,…) El resto del tema está dedicado a estudiar estas distribuciones especiales. Tema 2: Modelos probabilísticos 30
  • 31. Distribución binomial Función de probabilidad n k nk P[ X k] p q , 0 k n k  Problemas de cálculo si n es grande y/o p cercano a 0 o 1. Media: μ =n p Varianza: σ2 = n p q Tema 2: Modelos probabilísticos 31
  • 32. Distribución Binomial Si se repite un número fijo de veces, n, un experimento de Bernoulli con parámetro p, el número de éxitos sigue una distribución binomial de parámetros (n,p).  Lanzar una moneda 10 veces y contar las caras.  Bin(n=10,p=1/2)  Lanzar una moneda 100 veces y contar las caras.  Bin(n=100,p=1/2)  Difícil hacer cálculos con esas cantidades. El modelo normal será más adecuado.  El número de personas que enfermará (en una población de 500.000 personas) de una enfermedad que desarrolla una de cada 2000 personas.  Bin(n=500.000, p=1/2000)  Difícil hacer cálculos con esas cantidades. El modelo de Poisson será más adecuado. Tema 2: Modelos probabilísticos 32
  • 33. “Parecidos razonables” Aún no conoces la distribución normal, ni de Poisson. De cualquier forma ahí tienes la comparación entre valores de p no muy extremos y una normal de misma media y desviación típica, para tamaños de n grandes (n>30). Cuando p es muy pequeño es mejor usar la aproximación del modelo de Poisson. Tema 2: Modelos probabilísticos 33
  • 34. Distribución de Poisson También se denomina de sucesos raros. Se obtiene como aproximación de una distribución binomial con la misma media, para „n grande‟ (n>30) y „p pequeño‟ (p<0,1). Queda caracterizada por un único parámetro μ (que es a su vez su media y varianza.) Función de probabilidad: k P[ X k] e , k 0,1,2,... k! Tema 2: Modelos probabilísticos 34
  • 35. Ejemplos de variables de Poisson El número de individuos que será atendido un día cualquiera en el servicio de urgencias del hospital clínico universitario.  En Málaga hay 500.000 habitantes (n grande)  La probabilidad de que cualquier persona tenga un accidente es pequeña, pero no nula. Supongamos que es 1/10.000  Bin(n=500.000,p=1/10.000) ≈ Poisson(μ=np=50) Sospechamos que diferentes hospitales pueden tener servicios de traumatología de diferente “calidad” (algunos presentan pocos, pero creemos que aún demasiados, enfermos con secuelas tras la intervención). Es dificil compararlos pues cada hospital atiende poblaciones de tamaños diferentes (ciudades, pueblos,…)  Tenemos en cada hospital n, nº de pacientes atendidos o nº individuos de la población que cubre el hospital.  Tenemos p pequeño calculado como frecuencia relativa de secuelas con respecto al total de pacientes que trata el hospital, o el tamaño de la población,…  Se puede modelar mediante Poisson(μ=np) Tema 2: Modelos probabilísticos 35
  • 36. Distribución normal o de Gauss Aparece de manera natural:  Errores de medida.  Distancia de frenado.  Altura, peso, propensión al crimen…  Distribuciones binomiales con n grande (n>30) y „p ni pequeño‟ (np>5) „ni grande‟ (nq>5). Está caracterizada por dos parámetros: La media, μ, y la desviación típica, σ. 2 1 x 1 2 Su función de densidad es: f ( x) e 2 Tema 2: Modelos probabilísticos 36
  • 37. N(μ, σ): Interpretacióngeométrica Pudes interpretar la media como un factor de traslación. Y la desviación típica como un factor de escala, grado de dispersión,… Tema 2: Modelos probabilísticos 37
  • 38. N(μ, σ): Interpretación probabilista Entre la media y una desviación típica tenemos siempre la misma probabilidad: aprox. 68% Entre la media y dos desviaciones típicas aprox. 95% Tema 2: Modelos probabilísticos 38
  • 39. Algunas características La función de densidad es simétrica, mesocúrtica y unimodal.  Media, mediana y moda coinciden. Los puntos de inflexión de la fun. de densidad están a distancia σ de μ. Si tomamos intervalos centrados en μ, y cuyos extremos están…  a distancia σ,  tenemos probabilidad 68%  a distancia 2 σ,  tenemos probabilidad 95%  a distancia 2’5 σ  tenemos probabilidad 99% No es posible calcular la probabilidad de un intervalo simplemente usando la primitiva de la función de densidad, ya que no tiene primitiva expresable en términos de funciones „comunes‟. Todas las distribuciones normales N(μ, σ), pueden ponerse mediante una traslación μ, y un cambio de escala σ, como N(0,1). Esta distribución especial se llama normal tipificada.  Justifica la técnica de tipificación, cuando intentamos comparar individuos diferentes obtenidos de sendas poblaciones normales. Tema 2: Modelos probabilísticos 39
  • 40. Tipificación Dada una variable de media μ y desviación típica σ, se denomina valor tipificado,z, de una observación x, a la distancia (con signo) con respecto a la media, medido en desviaciones típicas, es decir x z En el caso de variable X normal, la interpretación es clara: Asigna a todo valor de N(μ, σ), un valor de N(0,1) que deja exáctamente la misma probabilidad por debajo. Nos permite así comparar entre dos valores de dos distribuciones normales diferentes, para saber cuál de los dos es más extremo. Tema 2: Modelos probabilísticos 40
  • 41. Tabla N(0,1) Z es normal tipificada. Calcular P[Z<1,85] Solución: 0,968 = 96,8% Bioestadística. U. Málaga. Tema 2: Modelos probabilísticos 41
  • 42. Tabla N(0,1) Z es normal tipificada. Calcular P[Z<-0,54] Solución: 1-0,705 = 0,295Bioestadística. U. Málaga. Tema 2: Modelos probabilísticos 42
  • 43. Tabla N(0,1) Z es normal tipificada. Calcular P[-0,54<Z<1,85] Solución: 0,968-0,295= 0,673 Tema 2: Modelos probabilísticos 43
  • 44. Ejemplo: Cálculo con probabilidades normales El colesterol en la población tiene distribución normal, con media 200 y desviación 10. ¿Qué porcentaje de indivíduos tiene colesterol inferior a 210? Qué valor del colesterol sólo es superado por el 10% de los individuos. Tema 2: Modelos probabilísticos 44
  • 45.  Todas las distribuciones normales son similares salvo traslación y cambio de escala: Tipifiquemos. x 210 200 z 1 10 P[Z 1,00] (ver tabla 0,841 ) Tema 2: Modelos probabilísticos 45
  • 46.  El valor del colesterol que sólo supera el 10% de los individuos es el percentil 90. Calculemos el percentil 90 de la N(0,1) y deshacemos la tipificación. x z x 200 1,28 10 x 200 10 1,28 212,8 Bioestadística. U. Málaga. Tema 5: Modelos probabilísticos 46
  • 47. Ejemplo: Tipificación Se quiere dar una beca a uno de dos estudiantes de sistemas educativos diferentes. Se asignará al que tenga mejor expediente académico.  El estudiante A tiene una calificación de 8 en un sistema donde la calificación de los alumnos se comporta como N(6,1).  El estudiante B tiene una calificación de 80 en un sistema donde la calificación de los alumnos se comporta como N(70,10). Solución  No podemos comparar directamente 8 puntos de A frente a los 80 de B, pero como ambas poblaciones se comportan de modo normal, podemos tipificar y observar las puntuaciones sobre una distribución de referencia N(0,1) Tema 2: Modelos probabilísticos 47
  • 48. xA A 8 6 zA 2 A 1 xB B 80 70 zB 1 B 10Como ZA>ZB, podemos decir que elporcentaje de compañeros del mismosistema de estudios que ha superado encalificación el estudiante A es mayor queel que ha superado B.Podríamos pensar en principio que A esmejor candidato para la beca. Tema 2: Modelos probabilísticos 48
  • 49. ¿Por qué es importante la distribución normal? Las propiedades que tiene la distribución normal son interesantes, pero todavía no hemos hablado de por qué es una distribución especialmente importante. La razón es que aunque una v.a. no posea distribución normal, ciertos estadísticos/estimadores calculados sobre muestras elegidas al azar sí que poseen una distribución normal. Es decir, tengan las distribución que tengan nuestros datos, los „objetos‟ que resumen la información de una muestra, posiblemente tengan distribución normal (o asociada). Tema 2: Modelos probabilísticos 49
  • 50. Aplic. de la normal: Estimación en muestras Como ilustración mostramos una variable que presenta valores distribuidos de forma muy asimétrica. Claramente no normal. Saquemos muestras de diferentes tamaños, y usemos la media de cada muestra para estimar la media de la población. Tema 2: Modelos probabilísticos 50
  • 51. Aplic. de la normal: Estimación en muestras Cada muestra ofrece un resultado diferente: La media muestral es variable aleatoria. Su distribución es más parecida a la normal que la original. También está menos dispersa. A su dispersión („desv. típica del estimador media muestral‟… ¿os gusta el nombre largo?) se le suele denominar error típico. Tema 2: Modelos probabilísticos 51
  • 52. Aplic. de la normal: Estimación en muestras Al aumentar el tamaño, n, de la muestra:  La normalidad de las estimaciones mejora  El error típico disminuye. Tema 2: Modelos probabilísticos 52
  • 53. Aplic. de la normal: Estimación en muestras Puedo „garantizar‟ medias muestrales tan cercanas como quiera a la verdadera media, sin más que tomar „n bastante grande‟ Se utiliza esta propiedad para dimensionar el tamaño de una muestra antes de empezar una investigación. Tema 2 Modelos probabilísticos 53
  • 54. Resumen: Teorema del límite central Dada una v.a. cualquiera, si extraemos muestras de tamaño n, y calculamos los promedios muestrales, entonces:  dichos promedios tienen distribución aproximadamente normal;  La media de los promedios muestrales es la misma que la de la variable original.  La desviación típica de los promedios disminuye en un factor “raíz de n” (error estándar).  Las aproximaciones anteriores se hacen exactas cuando n tiende a infinito. Este teorema justifica la importancia de la distribución normal.  Sea lo que sea lo que midamos, cuando se promedie sobre una muestra grande (n>30) nos va a aparecer de manera natural la distribución normal. Tema 2: Modelos probabilísticos 54
  • 55. Distribuciones asociadas a la normal Cuando queramos hacer inferencia estadística hemos visto que la distribución normal aparece de forma casi inevitable. Dependiendo del problema, podemos encontrar otras (asociadas):  X2 (chi cuadrado)  t- student  F-Snedecor Estas distribuciones resultan directamente de operar con distribuciones normales. Típicamente aparecen como distribuciones de ciertos estadísticos. Veamos algunas propiedades que tienen (superficialmente). Para más detalles consultad el manual. Sobre todo nos interesa saber qué valores de dichas distribuciones son “atípicos”.  Significación, p-valores,… Tema 2: Modelos probabilísticos 55
  • 56. Chi cuadrado Tiene un sólo parámetro denominado grados de libertad. La función de densidad es asimétrica positiva. Sólo tienen densidad los valores positivos. La función de densidad se hace más simétrica incluso casi gausiana cuando aumenta el número de grados de libertad. Normalmente consideraremos anómalos aquellos valores de la variable de la “cola de la derecha”. Tema 2: Modelos probabilísticos 56
  • 57. T de student Tiene un parámetro denominado grados de libertad. Cuando aumentan los grados de libertad, más se acerca a N(0,1). Es simétrica con respecto al cero. Se consideran valores anómalos los que se alejan de cero (positivos o negativos). Tema 2 : Modelos probabilísticos 57
  • 58. F de Snedecor Tiene dos parámetros denominados grados de libertad. Sólo toma valores positivos. Es asimétrica. Normalmente se consideran valores anómalos los de la cola de la derecha. Tema 2: Modelos probabilísticos 58
  • 59. ¿Qué hemos visto? En v.a. hay conceptos equivalentes a los de temas anteriores  Función de probabilidad  Frec. Relativa.  Función de densidad  histograma  Función de distribución  diagr. Integral.  Valor esperado  media, … Hay modelos de v.a. de especial importancia:  Bernoulli  Binomial  Poisson  Normal  Propiedades geométricas  Tipificación  Aparece tanto en problemas con variables cualitativas (dicotómicas, Bernoulli) como numéricas  Distribuciones asociadas  T-student  X2  F de Snedecor Tema 2: Modelos probabilísticos 59
  • 60. Bioestadística Tema 3: Muestreo Tema 3: Muestreo 60
  • 61.  Parte de los conceptos de la teoría del muestreo han sido discutidos con anterioridad. Aquí los repasaremos y ampliaremos. Por ejemplo, hemos mencionado que las poblaciones están formadas por individuos, pero sería mejor denominarlas unidades de muestreo o unidades de estudio:  Personas, células, familias, hospitales, países… La población ideal que se pretende estudiar se denomina población objetivo.  No es fácil estudiarla por completo. Aproximamos mediante muestras que den idealmente la misma probabilidad a cada individuo de ser elegido.  Tampoco es fácil elegir muestras de la población objetivo:  Si llamamos por teléfono excluimos a los que no tienen.  Si elegimos indiv. en la calle, olvidamos los que están trabajando... El grupo que en realidad podemos estudiar (v.g. los que tienen teléfono) se denomina población de estudio. Tema 3: Muestreo 61
  • 62. Fuentes de sesgo Las poblaciones objetivo y de estudio pueden diferir en cuanto a las variables que estudiamos.  El nivel económico en la población de estudio es mayor que en la objetivo,...  Los individuos que se eligen en la calle pueden ser de mayor edad (mayor frecuencia de jubilados p.ej.)…  En este caso, diremos que las muestras que se elijan estarán sesgadas. Al tipo de sesgo debido a diferencias sistemáticas entre población objetivo y población de estudio se denomina sesgo de selección. Hay otras fuentes de error/sesgo  No respuesta a encuestas embarazosas  Consumo de drogas, violencia doméstica, prácticas poco éticas,…  Mentir en las preguntas “delicadas”. Para evitar este tipo de sesgo se utilizan la técnica de respuesta aleatorizada. Tema 3: Muestreo 62
  • 63. Técnicas de respuesta aleatorizada Reducen la motivación para mentir (o no responder) a las encuestas.  ¿Si digo la verdad, se me verá el plumero…? ¿Cómo se hace? Pídele que lance una moneda antes de responder y…  Si sale cara que diga la “opción compremetida”  (no tiene por qué avergonzarse, la culpa es de la moneda)  Si sale cruz que diga la verdad  (no tiene por qué avergonzarse, el encuestador no sabe si ha salido cara o cruz) Aunque no podamos saber cuál es la verdad en cada individuo, podemos hacernos una idea porcentual sobre la población, viendo en cuánto se alejan las respuestas del 50%. Tema 3: Muestreo 63
  • 64. Ejemplo: ¿Ha tomado drogas alguna vez? Sin respuesta 100% No Insinseros!! aleatorizadaCon respuesaaleatorizada Diferencia entre los que han dicho sí y los que debían hacerlo 40% No por que así lo indicaba la moneda 60% Sí ¡No son mitad y mitad! * 0,6 0,5 p 0,2 20% El porcentaje estimado de ind. que tomó drogas es: 1 0,5 Los que deben decir la verdad Tema 3: Muestreo 64
  • 65. Técnicas de muestreo Cuando elegimos individuo de una población de estudio para formar muestras podemos encontrarnos en las siguientes situaciones:  Muestreos probabilistas  Conocemos la probabilidad de que un individuo sea elegido para la muestra.  Interesantes para usar estadística matemática con ellos.  Muestreos no probabilistas  No se conoce la probabilidad.  Son muestreos que seguramente esconden sesgos.  En principio no se pueden extrapolar los resultados a la población.  A pesar de ello una buena parte de los estudios que se publican usan esta técnica. ¡Buff! En adelante vamos a tratar exclusivamente con muestreos con la menor posibilidad de sesgo (probabilistas): aleatorio simple, sistemático, estratificado y por grupos. Tema 3: Muestreo 65
  • 66. Muestreo aleatorio simple (m.a.s.) Se eligen individuos de la población de estudio, de manera que todos tienen la misma probabilidad de aparecer, hasta alcanzar el tamaño muestral deseado. Se puede realizar partiendo de listas de individuos de la población, y eligiendo individuos aleatoriamente con un ordenador. Normalmente tiene un coste bastante alto su aplicación. En general, las técnicas de inferencia estadística suponen que la muestra ha sido elegida usando m.a.s., aunque en realidad se use alguna de las que veremos a continuación. Tema 3: Muestreo 66
  • 67. Muestreo sistemático Se tiene una lista de los individuos de la población de estudio. Si queremos una muestra de un tamaño dado, elegimos individuos igualmente espaciados de la lista, donde el primero ha sido elegido al azar. CUIDADO: Si en la lista existen periodicidades, obtendremos una muestra sesgada.  Un caso real: Se eligió una de cada cinco casas para un estudio de salud pública en una ciudad donde las casas se distribuyen en manzanas de cinco casas. Salieron con mucha frecuencia las de las esquinas, que reciben más sol, están mejor ventiladas,… Tema 3: Muestreo 67
  • 68. Muestreo estratificado Se aplica cuando sabemos que hay ciertos factores (variables, subpoblaciones o estratos) que pueden influir en el estudio y queremos asegurarnos de tener cierta cantidad mínima de individuos de cada tipo:  Hombres y mujeres,  Jovenes, adultos y ancianos… Se realiza entonces una m.a.s. de los individuos de cada uno de los estratos. Al extrapolar los resultados a la población hay que tener en cuenta el tamaño relativo del estrato con respecto al total de la población. Tema 3: Muestreo 68
  • 69. Muestreo por grupos o conglomerados Se aplica cuando es difícil tener una lista de todos los individuos que forman parte de la población de estudio, pero sin embargo sabemos que se encuentran agrupados naturalmente en grupos. Se realiza eligiendo varios de esos grupos al azar, y ya elegidos algunos podemos estudiar a todos los individuos de los grupos elegidos o bien seguir aplicando dentro de ellos más muestreos por grupos, por estratos, aleatorios simples,…  Para conocer la opinión de los médicos del sistema nacional de salud, podemos elegir a varias regiones de España, dentro de ellas varias comarcas, y dentro de ellas varios centros de salud, y… Al igual que en el muestreo estratificado, al extrapolar los resultados a la población hay que tener en cuenta el tamaño relativo de unos grupos con respecto a otros.  Regiones con diferente población pueden tener probabilidades diferentes de ser elegidas, comarcas, hospitales grandes frente a pequeños,… Tema 3: Muestreo 69
  • 70. Estimación Un estimador es una cantidad numérica calculada sobre una muestra y que esperamos que sea una buena aproximación de cierta cantidad con el mismo significado en la población (parámetro). En realidad ya hemos trabajado con estimadores cada vez que hacíamos una práctica con muestras extraídas de una población y suponíamos que las medias, etc… eran próximas de las de la población.  Para la media de una población:  “El mejor” es la media de la muestra.  Para la frecuencia relativa de una modalidad de una variable:  “El mejor” es la frecuencia relativa en la muestra. Tema 3: Muestreo 70
  • 71. ¿Es útil conocer la distribución de un estimador? Es la clave para hacer inferencia. Ilustrémoslo con un ejemplo que ya tratamos en el tema anterior (teorema del límite central).  Si de una variable conocemos μ y σ, sabemos que para muestras “grandes”, la media muestral es:  aproximadamente normal,  con la misma media y, EE  desviación típica mucho menor (error típico/estándar) n  Es decir si por ejemplo μ=60 y σ=5, y obtenemos muestras de tamaño n=100,  La desv. típica de la media muestral (error estándar) es EE=5/raiz(100)=0,5  como la media muestral es aproximadamente normal, el 95% de los estudios con muestras ofrecerían estimaciones entre 60±1  Dicho de otra manera, al hacer un estudio tenemos una confianza del 95% de que la verdadera media esté a una distancia de ±1. Tema 3: Muestreo 71
  • 72.  En el ejemplo anterior la situación no era muy realista, pues como de todas maneras no conozco σ desconoceré el intervalo exacto para μ. Sin embargo también hay estimadores para σ y puedo usarlo como aproximación. Para tener una idea intuitiva, analicemos el siguiente ejemplo. Nos servirá como introducción a la estimación puntual y por intervalos de confianza. Tema 3: Muestreo 72
  • 73.  Ejemplo: Una muestra de n=100 individuos de una población tiene media de peso 60 kg y desviación 5kg.  Dichas cantidades pueden considerarse como aproximaciones (estimaciones puntuales)  60 kg estima a μ  5 kg estima a σ  5/raiz(n)= 0,5 estima el error estándar (típico) EE  Estas son las llamadas estimaciones puntuales: un número concreto calculado sobre una muestra es aproximación de un parámetro.  Una estimación por intervalo de confianza es una que ofrece un intervalo como respuesta. Además podemos asignarle una probabilidad aproximada que mida nuestra confianza en la respuesta:  Hay una confianza del 68% de que μ esté en 60±0,5  Hay una confianza del 95% de que μ esté en 60±1. Ojo: He hecho un poco de trampa. ¿La ves? Tema 3: Muestreo 73
  • 74. Estimación puntual y por intervalos Se denomina estimación puntual de un parámetro al ofrecido por el estimador sobre una muestra. Se denomina estimación confidencial o intervalo de confianza para un nivel de confianza 1-α dado, a un intervalo que ha sido construido de tal manera que con frecuencia 1-α realmente contiene al parámetro.  Obsérvese que la probabilidad de error (no contener al parámetro) es α.  En el siguiente tema se llamará prob. de error de tipo I o nivel de significación.  Valores típicos: α=0,10 ; 0,05 ; 0,01  En general el tamaño del intervalo disminuye con el tamaño muestral y aumenta con 1-α.  En todo intervalo de confianza hay una noticia buena y otra mala:  La buena: hemos usado una técnica que en % alto de casos acierta.  La mala: no sabemos si ha acertado en nuestro caso. Tema 3: Muestreo 74
  • 75. Aplicación  Al final del tema 2 dejamos sin Descriptivos para Número de hij os interpretar parte de los resultados. Estadístico Error típ.Media 1,90 ,045Intervalo de Límite 1,81  ¿Sabrías interpretar lo queconfianza para la inferiormedia al 95% falta por sombrear? Límite superior 1,99  ¿Puedes dar un intervalo deMedia recortada al 5% 1,75 confianza para la media al 68% de confianza?Mediana 2,00Varianza 3,114Desv. típ. 1,765  Observa la asimetría. ¿CreesMínimo 0 probable que la asimetría en laMáximo 8 población pueda ser cero yaRango 8 que la obtenida en la muestraAmplitud intercuartil es aprox. 1? 3,00Asimetría 1,034 ,063Curtosis 1,060 ,126 Tema 3: Muestreo 75
  • 76. ¿Qué hemos visto? Sesgo de selección  Población objetivo  Población de estudio Otros sesgos  Técnica de respuesta aleatorizada Técnicas de muestreo  No probabilistas  Probabilistas  m.a.s.  Sistemático  Estratificado  Conglomerados  Estimación  Estimador  Estimación puntual  Error estándar  Estimación confidencial  Nivel de confianza 1-α Tema 3: Muestreo 76
  • 77. P(Z ≤ a) P(Z ≤ −a) = 1 − P(Z ≤ a)P(Z > a) = 1 - P(Z ≤ a) P(Z > −a) = P(Z ≤ a) 77
  • 78. P(a < Z ≤ b ) = P(Z ≤ b) − P(Z ≤ a) P(−a < Z ≤ b ) = P(Z ≤ b) − [ 1 − P(Z ≤ a)] P(−b < Z ≤ −a ) = P(a < Z ≤ b ) 78
  • 79. 3 Si X es una variable aleatoria distribuida según una distribución N(µ, σ), hallar:p(µ−3σ ≤ X ≤ µ+3σ)p(µ−2σ ≤ X ≤ µ+2σ)p(µ−σ ≤ X ≤ µ+σ) 79
  • 80. p(µ−3σ ≤ X ≤ µ+3σ) 80
  • 81. p(µ−3σ ≤ X ≤ µ+3σ) 81