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