ESTADISTICA INFERENCIAL
-
Upload
estrella-mestres-bazan -
Category
Documents
-
view
279 -
download
0
description
Transcript of ESTADISTICA INFERENCIAL
ESTADISTICA DESCRIPTIVAESTADISTICA DESCRIPTIVA
Jose Caballero Alvarado, MD,
Profesor de Investigación Clínica
Universidad Privada Antenor Orrego
Antecedentes Bibliográficos
Diseño de experimentos
Obtención datos, calibrados, etc.
Exploración de datos
Análisis : tests estadísticos, ajuste de curvas , A. multivariante….
Etapas de una investigación
PoblaciónConjunto todos los individuos
MuestraSubconjunto individuos
Inferencia estadística (Tests estadísticos)
Media ()
Desviación Estándar ()
Media
Desviación Estándar (s)
x
Especificar población y muestraEspecificar población y muestra
ESTADÍSTICA INFERENCIALESTADÍSTICA INFERENCIAL
La estadística Inferencial, es el proceso por el cual se deducen (infieren) propiedades o características de una población a partir de una muestra significativa.
Población Muestra
Definición Colección de elementos considerados Parte o porción de la población seleccionada para su estudio
Características “Parámetros” “Estadísticos”
Símbolos Tamaño de la población = N Tamaño de la muestra = n
Media de la población = Desviación estándar de la población =
Desviación estándar de la muestra = s
Media de la muestra = X
X
• Se utiliza para probar hipótesis y estimar paramétros.
• Parámetros - las estadísticas de la población.
• Al recolectar datos de una muestra se pueden inferir las características de la población (generalizar)
• Estadígrafos - datos estadísticos recopilados de una muestra.
¿Qué es estadística inferencial?¿Qué es estadística inferencial?
POBLACIÓN
MuestraMuestreo
INFERENCIA
Pasos en tests de contraste de hipótesis
2) Decidir el test a usar:Paramétrico (test “t” Student)
No Paramétrico (test U de Mann Whitney)
4) Aplicar el test y “aceptar” el resultado
3) Fijar un nivel de probabilidad de equivocarse:
Riesgo de equivocarse del 5 ó 1 % 01.005.0 óriesgo
)( 21 H1= Las 2 medias son diferentes
(test bilateral o de 2 colas)
1) Decidir hipótesis nula y alternativa a comparar, por ej. con 2 medias:
)( 21 H0= Las 2 medias poblacionales son iguales
(test unilateral ó 1 cola superior))( 21 H1= La media 1 es mayor que la 2
)( 21 H1= La media 1 es menor que la 2
(test unilateral ó 1 cola inferior)
Tests paramétricos y no paramétricos
“Requisitos” de los tests paramétricos: La muestra pertenece a una población cuya distribución de probabilidad es conocida (por ej. distribución normal).
Comparan los grupos a través de un “parámetro” de la distribución (por ej: la media en la distribución normal).
Se utilizan con muestras no muy pequeñas en las que es posible comprobar la distribución que siguen los datos.
“Requisitos” de los tests no paramétricos: No se presupone que los datos sigan una distribución determinada.
Se realizan con procedimientos de ordenación, rangos y recuentos.
Se usan con muestras pequeñas (n < 10) en las que se desconoce la distribución que siguen los datos.
Tests paramétricos: La distribución normal
2
22
21
)(
x
exf
Normal:
2
2
21
)(z
ezf
Normal estandarizada:
)(
:adosestandariz valores
i
i
xz
Exploración de datosExploración de datos Otras distribuciones
Distribución t de Student: 1nlibertad de grados :
)(
:
x
zvariablela eas
)( s quecomprueba se
Otras distribuciones: Poisson, Ji-cuadrado, binomial.
Distribución F de Snedecor :
11 2211
22
22
21
21
nn
s
sF" F" variable
;
:
11 2211 n nlibertad de grados :22
21 onc spoblacione 2Si
ns
xt" t" valores
n
nn
/:
1
1n
Análisis estadísticoAnálisis estadístico
Eligiendo el Test estadísticoEligiendo el Test estadístico
con variables de tipo cualitativo
Datos independientes
2 muestras
Test Ji-cuadrado (corrección de Yates)
Paramétrico
Datos apareados
Test de Fisher exacto
No paramétrico Test de MacNemar
n muestras
Datos independientes Paramétrico
Datos apareados No paramétrico Test de Cochran (datos dicotómicos)
Test Ji-cuadrado (corrección de Yates)
Tests habituales con variable cualitativa
Eligiendo el test Eligiendo el test estadístico estadístico con variables
de tipo cuantitativo
1 muestra Kolmogorov-Smirnov (probar qué distribución siguen los datos)
Datos independientes
Shapiro-Wilks (probar si los datos siguen la distribución normal)
2 muestras
“t de student” para comparar una media experimental con una teórica
“t de student” de datos independientes para 2 medias)Paramétrico
Datos apareados
No paramétrico U de Mann Whitney para comparar 2 medianas
“t de student” de datos apareados para 2 mediasParamétrico
No paramétricoWilcoxon de rangos con signos (mediana de diferencias es 0)
n muestras
Independientes o apareados Test F o de Bartlett para probar igualdad de varianzas
Datos independientes
ANOVA de 1 factor + test de TukeyParamétrico
No paramétrico Kruskal –Wallis para 1 factor
ANOVA de medidas repetidas de 1 factorParamétrico
No paramétrico Test de Friedman para “n” medianas
ANOVA de 2 factores factorial
Datos apareados
Independientes o apareados Test de Bartlett o Levene para probar igualdad de “n” varianzas
Paramétrico
No paramétrico
Tests habituales con variable cuantitativa