BIOESTADÍSTICA. Roberto Pastor-Barriuso. Instituto de Salud CarlosIII. Instituto de Salud. Centro Nacional de Epidemiología.
|
|
- Juan Carlos Marín Salazar
- hace 6 años
- Vistas:
Transcripción
1 Isttuto de Salud CarlosIII Cetro Nacoal de Epdemología Roberto Pastor-Barruso BIOESTADÍSTICA MINISTERIO DE ECONOMÍA Y COMPETITIVIDAD Isttuto de Salud Carlos III Cetro Nacoal de Epdemología
2 Cetro Nacoal de Epdemología Isttuto de Salud Carlos III Moforte de Lemos, 5 89 MADRID (ESPAÑA Tel.: 9 8 Fa: Catálogo geeral de publcacoes ofcales: Para obteer este lbro de forma gratuta e teret (formato pdf: EDITA: CENTRO NACIONAL DE EPIDEMIOLOGÍA Isttuto de Salud Carlos III Madrd, dcembre de N.I.P.O. (e líea: I.S.B.N.: Imprme: Ageca Estatal Boletí Ofcal del Estado. Avda. de Maoteras, MADRID
3 BIOESTADÍSTICA Roberto Pastor-Barruso Cetífco Ttular Cetro Nacoal de Epdemología, Isttuto de Salud Carlos III, Madrd
4 Para ctar este lbro Pastor-Barruso R. Boestadístca. Madrd: Cetro Nacoal de Epdemología, Isttuto de Salud Carlos III,. Este teto puede ser reproducdo sempre que se cte su procedeca.
5 A la memora de Carme A Marta, Pablo, Mguel y Atoo
6
7 ÍNDICE Estadístca descrptva. Itroduccó. Meddas de tedeca cetral 3.. Meda artmétca 3.. Medaa 4..3 Meda geométrca 5.3 Meddas de poscó: cuatles 5.4 Meddas de dspersó 6.4. Varaza y desvacó típca 6.4. Rago tercuartílco Coefcete de varacó 7.5 Represetacoes gráfcas 8.5. Dagrama de barras 8.5. Hstograma y polígoo de frecuecas Gráfco de tallo y hojas.5.4 Dagrama de caja.6 Referecas Probabldad 3. Itroduccó 3. Cocepto y defcoes de probabldad 4.3 Probabldad codcoal e depedeca de sucesos 6.4 Regla de la probabldad total 8.5 Teorema de Bayes 8.6 Referecas 3 Varables aleatoras y dstrbucoes de probabldad 3. Itroduccó 3. Dstrbucoes de probabldad dscretas 3.. Dstrbucó bomal Dstrbucó de Posso Apromacó de Posso a la dstrbucó bomal Dstrbucoes de probabldad cotuas Dstrbucó ormal Apromacó ormal a la dstrbucó bomal Apromacó ormal a la dstrbucó de Posso Combacó leal de varables aleatoras Referecas 39 v
8 Ídce 4 Prcpos de muestreo y estmacó 4 4. Itroduccó 4 4. Prcpales tpos de muestreo probablístco Muestreo aleatoro smple Muestreo sstemátco Muestreo estratfcado Muestreo por coglomerados Muestreo poletápco Estmacó e el muestreo aleatoro smple Estmacó putual de ua meda poblacoal Error estádar de la meda muestral Teorema cetral del límte Estmacó de ua proporcó poblacoal Referecas 58 5 Ifereca estadístca Itroduccó Estmacó putual Estmacó por tervalo Dstrbucó t de Studet Itervalo de cofaza para ua meda poblacoal Cotraste de hpótess Formulacó de hpótess Cotraste estadístco para la meda de ua poblacó Errores y poteca de u cotraste de hpótess Referecas 76 6 Ifereca sobre medas Itroduccó Ifereca sobre ua meda y varaza poblacoal Ifereca sobre la meda de ua poblacó Ifereca sobre la varaza de ua poblacó Comparacó de medas e dos muestras depedetes Comparacó de medas e dstrbucoes co gual varaza Cotraste para la gualdad de varazas Comparacó de medas e dstrbucoes co dstta varaza Comparacó de medas e dos muestras depedetes Referecas 95 v
9 Ídce 7 Ifereca sobre proporcoes Itroduccó Ifereca sobre ua proporcó poblacoal Comparacó de proporcoes e dos muestras depedetes Asocacó estadístca e ua tabla de cotgeca 7.5 Test de tedeca e ua tabla r Meddas de efecto e ua tabla de cotgeca Resgo relatvo Odds rato 7.7 Comparacó de proporcoes e dos muestras depedetes Apédce: correccó por cotudad Referecas 8 Métodos o paramétrcos 8. Itroduccó 8. Test de la suma de ragos de Wlcoo 8.3 Test de los ragos co sgo de Wlcoo Test eacto de Fsher Referecas 38 9 Determacó del tamaño muestral Itroduccó Tamaño muestral para la estmacó de u parámetro poblacoal Tamaño muestral para la estmacó de ua meda Tamaño muestral para la estmacó de ua proporcó Tamaño muestral para la comparacó de medas Tamaño muestral para la comparacó de medas e dos muestras depedetes Tamaño muestral para la comparacó de medas e dos muestras depedetes Tamaño muestral para la comparacó de proporcoes Tamaño muestral para la comparacó de proporcoes e dos muestras depedetes Tamaño muestral para la comparacó de proporcoes e dos muestras depedetes Referecas 54 Correlacó y regresó leal smple 55. Itroduccó 55. Coefcete de correlacó 55
10 Ídce.. Coefcete de correlacó muestral de Pearso 58.. Coefcete de correlacó de los ragos de Spearma 6.3 Regresó leal smple Estmacó de la recta de regresó Cotraste del modelo de regresó leal smple Ifereca sobre los parámetros de la recta de regresó Badas de cofaza y predccó para la recta de regresó Evaluacó de las asucoes del modelo de regresó leal smple Observacoes atípcas e fluyetes Varable eplcatva dcotómca 9.4 Referecas 9 Regresó leal múltple 93. Itroduccó 93. Estructura de la regresó leal múltple 94.3 Estmacó e fereca de la ecuacó de regresó Estmacó de los coefcetes de regresó Ifereca sobre los coefcetes de regresó.3.3 Ifereca sobre la ecuacó de regresó.4 Cotrastes de hpótess e regresó leal múltple 3.4. Cotraste global del modelo de regresó leal múltple 3.4. Cotrastes parcales 6.5 Varables eplcatvas poltómcas.6 Regresó polomal 5.7 Cofusó e teraccó e regresó leal 8.7. Cotrol de la cofusó e regresó leal 8.7. Evaluacó de la teraccó e regresó leal.8 Apédce: formulacó matrcal de la regresó leal múltple 8.9 Referecas 3 Apédce: tablas estadístcas 33
11 TEMA ESTADÍSTICA DESCRIPTIVA. INTRODUCCIÓN La estadístca es la rama de las matemátcas aplcadas que permte estudar feómeos cuyos resultados so e parte certos. Al estudar sstemas bológcos, esta certdumbre se debe al descoocmeto de muchos de los mecasmos fsológcos y fsopatológcos, a la capacdad de medr todos los determates de la efermedad y a los errores de medda que evtablemete se produce. Así, al realzar observacoes e clíca o e salud públca, los resultados obtedos cotee ua parte sstemátca o estructural, que aporta formacó sobre las relacoes etre las varables estudadas, y ua parte de rudo aleatoro. El objeto de la estadístca cosste e etraer la máma formacó sobre estas relacoes estructurales a partr de los datos recogdos. E estadístca se dstgue dos grades grupos de téccas: y La estadístca descrptva, e la que se estuda las téccas ecesaras para la orgazacó, presetacó y resume de los datos obtedos. y La estadístca ferecal, e la que se estuda las bases lógcas y las téccas medate las cuales puede establecerse coclusoes sobre la poblacó a estudo a partr de los resultados obtedos e ua muestra. El aálss de ua base de datos sempre partrá de téccas smples de resume de los datos y presetacó de los resultados. A partr de estos resultados cales, y e fucó del dseño del estudo y de las hpótess preestablecdas, se aplcará las téccas de fereca estadístca que permtrá obteer coclusoes acerca de las relacoes estructurales etre las varables estudadas. Las téccas de estadístca descrptva o precsa de asucoes para su terpretacó, pero e cotrapartda la formacó que proporcoa o es fáclmete geeralzable. La estadístca ferecal permte esta geeralzacó, pero requere certas asucoes que debe verfcarse para teer u grado razoable de segurdad e las ferecas. A cotuacó se defe alguos coceptos geerales que aparece repetdamete a lo largo de la eposcó: y Poblacó es el cojuto de todos los elemetos que cumple certas propedades y etre los cuales se desea estudar u determado feómeo. y Muestra es u subcojuto de la poblacó seleccoado medate u mecasmo más o meos eplícto. E geeral, rara vez se dspoe de los recursos ecesaros para estudar a toda la poblacó y, e cosecueca, suele emplearse muestras obtedas a partr de estas poblacoes. Ejemplo. Alguos ejemplos de poblacoes so: Las persoas resdetes e Washgto D.C. a de eero de. Las persoas fectadas co el vrus de muodefceca humaa e Brasl a día de hoy. Pastor-Barruso R.
12 Estadístca descrptva Para estas poblacoes, alguas muestras podría ser: 5 resdetes e Washgto D.C. a de eero de seleccoados medate llamadas telefócas aleatoras. Todas las persoas que acude a u hosptal de Río de Jaero durate el presete año para realzarse u test del vrus de muodefceca humaa y que resulta ser postvas. y Varables so propedades o cualdades que preseta los elemetos de ua poblacó. Las varables puede clasfcarse e: Varables cualtatvas o atrbutos so aquellas que o puede medrse umércamete y que, a su vez, puede ser: Nomales, e las que o puede ordearse las dferetes categorías. Ordales, e las que puede ordearse las categorías, pero o puede establecerse la dstaca relatva etre las msmas. Varables cuattatvas so aquellas que tee ua terpretacó umérca y que se subdvde e: Dscretas, sólo puede tomar uos valores cocretos detro de u tervalo. Cotuas, puede tomar cualquer valor detro de u tervalo. E la práctca, todas las varables cotuas que medmos so dscretas e el setdo de que, debdo a las lmtacoes de los sstemas de medda, las varables cotuas o puede adoptar todos los valores detro de u tervalo. De cara a los aálss posterores, la prcpal dstcó se establece, por tato, etre varables co relatvamete pocas categorías (como úmero de hjos frete a varables co muchas categorías (como veles de colesterol e sagre. Ejemplo. Alguos ejemplos de varables so: Varables cualtatvas omales: seo, raza, estado cvl (soltero, casado, vudo, separado, dvorcado, relgó (católco, protestate, otros, acoaldad. Varables cualtatvas ordales: salud auto-percbda (buea, regular, mala, severdad de la efermedad (leve, moderada, grave. Por ejemplo, para esta últma varable ordal, podemos establecer u orde de severdad, pero o podemos decr que la dfereca de severdad etre u pacete moderado y uo leve sea la msma que etre uo grave y uo moderado. Varables cuattatvas dscretas: úmero de hjos, úmero de detes carados. Varables cuattatvas cotuas: edad, peso, altura, presó arteral, veles de colesterol e sagre. y Estadístco es cualquer operacó realzada sobre los valores de ua varable. y Parámetro es u valor de la poblacó sobre el que se desea realzar ferecas a partr de estadístcos obtedos de la muestra, que e este caso se deoma estmadores. Por covecó, los parámetros poblacoales se deota co letras del alfabeto grego, metras que los estmadores muestrales se deota co letras de uestro alfabeto. Pastor-Barruso R.
13 Meddas de tedeca cetral Ejemplo.3 Alguos ejemplos de estadístcos cluye: La meda de los valores de colesterol de ua muestra. El valor más alto de colesterol de ua muestra. La suma de los valores de colesterol de ua muestra elevados al cuadrado. Así, por ejemplo, la meda del colesterol e ua poblacó, que se deotaría por μ, es u parámetro que se estma a partr de la meda de los valores de colesterol e ua muestra obteda de esa poblacó, que se represetaría por. E el presete tema, se revsa las herrametas fudametales para la realzacó de u aálss descrptvo de las varables recogdas e ua muestra, tato medate estmadores de la tedeca cetral, poscó y dspersó como medate la utlzacó de represetacoes gráfcas.. MEDIDAS DE TENDENCIA CENTRAL Las meddas de tedeca cetral forma acerca de cuál es el valor más represetatvo de ua determada varable o, dcho de forma equvalete, estos estmadores dca alrededor de qué valor se agrupa los datos observados. Las meddas de tedeca cetral de la muestra srve tato para resumr los resultados observados como para realzar ferecas acerca de los parámetros poblacoales correspodetes. A cotuacó se descrbe los prcpales estmadores de la tedeca cetral de ua varable... Meda artmétca La meda artmétca, deotada por, se defe como la suma de cada uo de los valores muestrales dvdda por el úmero de observacoes realzadas. S deotamos por el tamaño muestral y por el valor observado para el sujeto -ésmo,,...,, la meda vedría dada por La meda es la medda de tedeca cetral más utlzada y de más fácl terpretacó. Correspode al cetro de gravedad de los datos de la muestra. Su prcpal lmtacó es que está muy fluecada por los valores etremos y, e este caso, puede o ser u fel reflejo de la tedeca cetral de la dstrbucó. Ejemplo.4 E este y e los sucesvos ejemplos sobre estmadores muestrales, se utlzará los valores del colesterol HDL obtedos e los prmeros sujetos del estudo Europea Study o Atodats, Myocardal Ifarcto ad Cacer of the Breast (EURAMIC, u estudo multcétrco de casos y cotroles realzado etre 99 y 99 e ocho países Europeos e Israel para evaluar el efecto de los atodates e el resgo de desarrollar u prmer farto agudo de mocardo e hombres adultos. Los valores obtedos fuero,89,,58,,79,,9,,4,,84,,6,,87,,96 y,53 mmol/l. La meda de los veles del colesterol HDL e estos partcpates es,89 +, ,53,3 mmol/l.. Pastor-Barruso R. 3
14 Estadístca descrptva La meda artmétca preseta las sguetes propedades: y Cambo de orge (traslacó. S se suma ua costate a cada uo de los datos de ua muestra, la meda de la muestra resultate es gual a la meda cal más la costate utlzada; s y + c, etoces y + c. U cambo de orge que se realza co frecueca es el cetrado de la varable, que cosste e restar a cada valor de la muestra su meda. La meda de ua varable cetrada será, por tato, gual a. y Cambo de escala (udades. S se multplca cada uo de los datos de ua muestra por ua costate, la meda de la muestra resultate es gual a la meda cal por la costate utlzada; s y c, etoces y c. y Cambo smultáeo de orge y escala. S se multplca cada uo de los datos de ua muestra por ua costate y al resultado se le suma otra costate, la meda de la muestra resultate es gual a la meda cal por la prmera costate, más la seguda costate; s y c + c, etoces y c + c. Ejemplo.5 Para trasformar los valores del colesterol HDL de mmol/l a mg/dl se multplca por el factor de coversó 38,8. Así, utlzado la propedad del cambo de escala, la meda del colesterol HDL e mg/dl se calcularía drectamete a partr de su meda e mmol/l como,3 38,8 47,45 mg/dl... Medaa La medaa es el valor de u varable que deja por ecma el 5% de los datos de la muestra y por debajo el otro 5%. Para calcular la medaa, es ecesaro ordear los valores de la muestra de meor a mayor. S el tamaño muestral es mpar, la medaa vee dada por el valor ( + /-ésmo. S es par, la medaa vee dada por la meda artmétca de los valores (/ y (/ + -ésmos. La prcpal vetaja de la medaa es que o está fluecada por los valores etremos. No obstate, se utlza meos que la meda como medda de tedeca cetral porque su tratameto estadístco es más complejo. Ejemplo.6 Para obteer la medaa del colesterol HDL e la muestra del estudo EURAMIC, se ordea e prmer lugar los valores de meor a mayor; esto es,,79,,84,,87,,89,,6,,9,,4,,53,,58 y,96 mmol/l. Como el tamaño muestral es par (, la medaa será la meda de los dos valores cetrales (e este caso, el 5º y el 6º, que correspode a (,6 +,9/,75 mmol/l. Comparacó de la meda artmétca y la medaa. E las dstrbucoes smétrcas (ambas colas de la dstrbucó so semejates, la meda es apromadamete gual a la medaa. E dstrbucoes sesgadas postvamete (la cola superor de la dstrbucó es mayor que la feror, la meda tede a ser mayor que la medaa; metras que e dstrbucoes sesgadas egatvamete (la cola feror de la dstrbucó es mayor que la superor, la meda tede a ser meor que la medaa. La comparacó de la meda y la medaa permte evaluar, por tato, la asmetría de ua dstrbucó. Ejemplo.7 E la muestra del estudo EURAMIC la meda del colesterol HDL es lgeramete superor a la medaa (,3 y,75 mmol/l, respectvamete. E cosecueca, la dstrbucó de estos valores del colesterol HDL es apromadamete smétrca co u leve sesgo postvo. 4 Pastor-Barruso R.
15 Meddas de poscó: cuatles..3 Meda geométrca La meda geométrca, deotada por G, se defe como la raíz -ésma del producto de los valores de ua muestra de tamaño, G /... E la práctca, la forma más seclla de calcular la meda geométrca cosste e calcular prmero el logartmo de cada valor muestral, hallar a cotuacó la meda de los logartmos y deshacer falmete la trasformacó logarítmca. Para calcular los logartmos se puede usar cualquer base, sempre y cuado el logartmo y el atlogartmo esté e la msma base. Notar que la meda geométrca sólo puede emplearse como medda de tedeca cetral e varables que toma valores postvos.. Ejemplo.8 Para calcular la meda geométrca del colesterol HDL e la muestra del estudo EURAMIC, se halla prmero el logartmo atural de cada uo de los valores y a cotuacó se calcula su meda artmétca, log(, log(,53 log G log, ,45,55. La meda geométrca es, por tato, G ep(,55,68 mmol/l. Al gual que la medaa, la meda geométrca es útl como medda de tedeca cetral para varables muy asmétrcas, e las que u pequeño grupo de observacoes etremas tee ua ecesva flueca sobre la meda artmétca. La meda geométrca tee la vetaja adcoal de presetar u tratameto estadístco más secllo que la medaa..3 MEDIDAS DE POSICIÓN: CUANTILES Los cuatles dca la poscó relatva de ua observacó co respecto al resto de la muestra. A cotuacó se descrbe los cuatles más utlzados: y Percetles so los valores de ua varable que deja u determado porcetaje de los datos por debajo de ellos. Así, por ejemplo, el percetl es el valor superor al % de las observacoes, pero feror al 9% restate. La medaa correspode, por tato, al percetl 5. E ua muestra de tamaño, prevamete ordeada de meor a mayor, el percetl p-ésmo se defe como: S p/ es u úmero etero, la meda de las observacoes (p/ y (p/ + -ésmas. S p/ o es u úmero etero, el valor k-ésmo de la muestra, sedo k el meor etero superor a p/. y Decles, correspode a los percetles,,..., 9. Los decles se utlza para dvdr la muestra e grupos de gual tamaño. y Qutles, correspode a los percetles, 4, 6 y 8, y dvde la muestra e 5 grupos de gual tamaño. Pastor-Barruso R. 5
16 Estadístca descrptva y Cuartles, correspode a los percetles 5, 5 y 75, y dvde la muestra e 4 grupos de gual tamaño. y Tercles, correspode a los percetles 33,3 y 66,7, y dvde la muestra e 3 grupos de gual tamaño. Ejemplo.9 Los valores del colesterol HDL ordeados de meor a mayor so,79,,84,,87,,89,,6,,9,,4,,53,,58 y,96 mmol/l. Dado que p/ es u úmero etero para p, el percetl es la meda de la prmera y seguda observacó, que correspode a (,79 +,84/,85 mmol/l. De gual forma, como p/,5 o es u úmero etero para p 5, el percetl 5 es el tercer valor de la muestra, que correspode a,87 mmol/l. Es mportate recordar que, para calcular cuatles, los valores de la muestra debe estar prevamete ordeados. S el tamaño muestral es grade, la forma más rápda de obteer los cuatles maualmete es realzado u gráfco de tallo y hojas (ver más adelate..4 MEDIDAS DE DISPERSIÓN Las meddas de dspersó dca el grado de varabldad de los datos y se complemeta co las meddas de tedeca cetral e la descrpcó de ua muestra. E este apartado se preseta las prcpales meddas de dspersó..4. Varaza y desvacó típca La varaza muestral, deotada por s, se defe como la suma de los cuadrados de las dferecas etre cada valor de la muestra y su meda, dvdda por el tamaño muestral meos, s ( Como puede aprecarse, cuato más dspersos esté los datos, mayores será los cuadrados de las desvacoes ( y mayor será la varaza s. Notar que las desvacoes de cada valor respecto de la meda se eleva al cuadrado para evtar que se compese las desvacoes postvas (valores superores a la meda co las egatvas (valores ferores a la meda. Cabe destacar també que, e la fórmula de la varaza muestral, el deomador es e lugar de. Esto se debe a que, ua vez calculada la meda, el úmero de valores depedetes de la muestra (deomado grados de lbertad para el cálculo de la varaza es (coocda la meda y valores, el valor restate se deducría automátcamete. Ua justfcacó más formal para esta defcó de la varaza se aporta e el Tema 5. La varaza muestral es dfícl de terpretar como medda de dspersó, ya que sus udades so las de la varable orgal al cuadrado. La medda de dspersó más utlzada es la desvacó típca o desvacó estádar s, que se defe como la raíz cuadrada de la varaza s ( y, e cosecueca, preseta las msmas udades que la varable orgal. Al gual que la meda, la desvacó típca está fluecada por valores muy etremos (gra desvacó respecto de la. 6 Pastor-Barruso R.
17 Meddas de dspersó meda, que flaría la estmacó resultate, o sedo u bue reflejo de la dspersó global de los datos. Ejemplo. Coocda la meda del colesterol HDL e los prmeros partcpates del estudo EURAMIC,,3 mmol/l, la varaza vedría dada por (,89, (,53,3 s ( 9 9, ,94,56 (mmol/l 9 y la desvacó típca por s, 56,395 mmol/l. Alguas propedades de la varaza y la desvacó típca so: y Cambo de orge (traslacó. S se suma ua costate a cada uo de los datos de ua muestra, la varaza y la desvacó típca o camba; s y + c, etoces s y s y s y s. y Cambo de escala (udades. S se multplca cada uo de los datos de ua muestra por ua costate, la varaza resultate es gual a la varaza cal por la costate al cuadrado y la desvacó típca es gual a la desvacó típca cal por dcha costate; s y c, etoces s y c s y s y cs. U cambo de escala que se realza co frecueca es la dvsó de todos los valores de ua muestra por su desvacó típca. La desvacó típca de la varable resultate será, por tato, gual a. Las propedades del cambo de orge y escala se emplea para la estadarzacó de varables, que cosste e restarle a los valores de ua varable su meda y dvdrlos por su desvacó típca. La varable estadarzada resultate tee meda y desvacó típca ; es decr, s z ( /s, etoces z y s z..4. Rago tercuartílco El rago tercuartílco se defe como la dfereca etre el tercer y el prmer cuartl (percetles 75 y 5, respectvamete. El rago tercuartílco dca la ampltud del 5% cetral de la muestra y se usa como medda de dspersó cuado la varable preseta valores etremos. E tal caso, suele r acompañado de la medaa como medda de tedeca cetral. Ejemplo. A partr de los valores del colesterol HDL ordeados de meor a mayor, los percetles 5 y 75 vee determados por la tercera (,87 mmol/l y octava observacó (,53 mmol/l, respectvamete. El rago tercuartílco se calcula etoces como la dfereca etre ambos percetles,,53,87,66 mmol/l..4.3 Coefcete de varacó El coefcete de varacó se defe como el cocete etre la desvacó típca y la meda artmétca, epresado como porcetaje, s/. Este estmador o está afectado por cambos de escala ya que, al multplcar los valores de ua varable por u msmo factor, tato la meda como la desvacó típca camba por dcho factor y su cocete permaece alterable. El coefcete de varacó relacoa la desvacó típca co la meda y es útl para comparar la varabldad de dferetes varables co dsttas medas. Así, por ejemplo, ua desvacó típca de kg e ua muestra de adultos co u peso medo de 7 kg dcaría u msmo grado de dspersó que ua desvacó Pastor-Barruso R. 7
18 Estadístca descrptva típca de,5 kg e ua muestra de recé acdos co u peso medo de 3,5 kg (ambos coefcetes de varacó so /7,5/3,5 4,3%. Ejemplo. El coefcete de varacó de los prmeros valores del colesterol HDL e el estudo EURAMIC sería s/,395/,3 3,3%; es decr, la desvacó típca es apromadamete u terco de la meda..5 REPRESENTACIONES GRÁFICAS E el aálss e terpretacó de los datos de u estudo, es mportate o lmtarse a realzar meddas de resume umércas. Las meddas de tedeca cetral y dspersó debe completarse co gráfcos que permta observar drectamete las característcas y relacoes de las varables estudadas. E esta seccó se revsa los prcpales métodos gráfcos para presetar y resumr ua varable..5. Dagrama de barras Los dagramas de barras so adecuados para represetar varables cualtatvas y cuattatvas dscretas. E estos dagramas se represeta las categorías de la varable e el eje horzotal y sus frecuecas (absolutas o relatvas e el eje vertcal. Para cada categoría de la varable se costruye u rectágulo de achura costate y altura proporcoal a la frecueca. Los rectágulos está separados uos de otros por la msma dstaca para reflejar la dscotudad de la varable. Ejemplo.3 La represetacó del dagrama de barras del hábto tabáquco e el grupo cotrol del estudo EURAMIC se lustra e la Fgura.. De los 7 cotroles del estudo que o había padecdo u farto agudo de mocardo, todos salvo uo presetaba formacó sobre el cosumo de tabaco. De éstos, u 7,% (9/699 era uca fumadores, u 35,3% (47/699 era e fumadores, y el restate 37,5% (6/699 era fumadores actuales. 4 3 Frecueca relatva (% Nuca fumador E fumador Fumador actual Fgura. Dagrama de barras del hábto tabáquco e el grupo cotrol del estudo EURAMIC. 8 Pastor-Barruso R.
19 Represetacoes gráfcas.5. Hstograma y polígoo de frecuecas El hstograma es el prcpal método gráfco para la represetacó de varables cuattatvas cotuas. E prmer lugar, los valores de la varable cotua se agrupa e categorías ehaustvas (cubre todo el rago de la varable y mutuamete ecluyetes (o se solapa. E el eje horzotal del hstograma se represeta las categorías o tervalos y e el eje vertcal las frecuecas (absolutas o relatvas de cada tervalo. Posterormete, se costruye u rectágulo para cada categoría, cuya achura es gual a la logtud del tervalo y cuyo área es proporcoal a la frecueca (s los tervalos tee dstta logtud, las alturas de los rectágulos del hstograma o será proporcoales a las frecuecas. El polígoo de frecuecas se costruye uedo co líeas rectas los putos medos de las bases superores de los rectágulos que coforma u hstograma. Tato el hstograma como el polígoo de frecuecas srve para represetar gráfcamete la dstrbucó de ua varable cotua. Ejemplo.4 El hstograma de la dstrbucó del colesterol HDL e el grupo cotrol del estudo EURAMIC se preseta e la Fgura.. E este caso, se represeta la frecueca absoluta e el eje vertcal e tervalos de dstta logtud e el eje horzotal. Para los tervalos de meor logtud (, mmol/l, la altura de los rectágulos es gual a la frecueca; así, por ejemplo, la altura del rectágulo e el tervalo,-,4 mmol/l es gual a los 86 sujetos co veles del colesterol HDL detro de este rago. S embargo, para los tervalos de mayor logtud, la altura de la barra es gual a la frecueca dvdda por el cremeto relatvo de la logtud del tervalo; así, por ejemplo, para el tervalo,4-,7 mmol/l, cuya frecueca es 55 y su logtud es,5 veces la logtud míma, la altura de la barra es 55/,5 36,7. La Fgura. se completa co el polígoo de frecuecas, que muestra ua dstrbucó del colesterol HDL apromadamete smétrca co la cola superor lgeramete mayor que la feror. 5 5 Frecueca absoluta ,3,6,8,,4,7,5 Colesterol HDL (mmol/l Fgura. Hstograma y polígoo de frecuecas del colesterol HDL e el grupo cotrol del estudo EURAMIC. Pastor-Barruso R. 9
20 Estadístca descrptva.5.3 Gráfco de tallo y hojas Este gráfco tee la vetaja de reflejar los datos orgales de la muestra, a la vez que permte vsualzar la dstrbucó de frecuecas. E prmer lugar, para cada observacó de la varable, se separa el últmo dígto sgfcatvo (hoja de los restates dígtos del valor de la varable (tallo. A cotuacó, todos los posbles tallos se coloca ordeados e ua msma columa. Falmete, para cada valor de la varable, se coloca su hoja a la derecha del tallo correspodete. Las hojas de u msmo tallo suele colocarse e orde crecete. El resultado se cooce co el ombre de gráfco de tallo y hojas. Ejemplo.5 La Fgura.3 muestra el gráfco de tallo y hojas del colesterol HDL e los prmeros cotroles del estudo EURAMIC co datos para esta varable. Los valores más bajos del colesterol HDL so, y,6 mmol/l, cuyo tallo comú es, y sus respectvas hojas so y 6, que aparece a la derecha de la prmera líea del gráfco. El sguete tallo es,3, que o tee gua hoja ya que o hay valores etre,3 y,39 mmol/l, y lo msmo sucede co el tallo,4. E el tallo,5 hay ua hoja gual a 7, que correspode al valor,57 mmol/l. E el tallo,6 hay 5 hojas (35558, que correspode a los 5 valores del colesterol HDL etre,6 y,69 mmol/l y que so,63,,65,,65,,65 y,68 mmol/l. El resto de los tallos se terpreta de la msma maera. A partr de este gráfco resulta secllo calcular los cuatles; así, por ejemplo, la medaa se obtedría como la meda de los valores ordeados e las poscoes 5 y 5, (, +,/, mmol/l. Frecueca Tallo Hoja, 6,3,4,5 7 5, ,7 467, , , , , , , , ,6 44,7 34,8 36,9, 9 Fgura.3 Gráfco de tallo y hojas del colesterol HDL e los prmeros cotroles del estudo EURAMIC. Pastor-Barruso R.
21 Represetacoes gráfcas.5.4 Dagrama de caja El dagrama de caja permte evaluar la tedeca cetral, la dspersó y la smetría de la dstrbucó de ua varable, así como detfcar valores etremos. Los límtes feror y superor de la caja correspode a los percetles 5 y 75; es decr, la altura de la caja represeta el rago tercuartílco e dca la dspersó de la muestra. La líea horzotal detro de la caja correspode a la medaa y represeta la tedeca cetral de la muestra. El gráfco se completa co barras vertcales a ambos lados de la caja de logtud,5 veces el rago tercuartílco. Los valores etremos, aquellos dstacados de los límtes de la caja etre,5 y 3 veces el rago tercuartílco, se represeta co u círculo y los valores muy etremos, aquellos alejados de la caja más de 3 veces el rago tercuartílco, se deota medate u astersco. E este gráfco, s la dstrbucó es smétrca, los límtes superor e feror de la caja estará apromadamete a la msma dstaca de la medaa, metras que s la dstrbucó está sesgada postvamete, el límte superor estará más alejado de la medaa que el feror y s la dstrbucó está sesgada egatvamete, el límte feror estará más alejado de la medaa que el superor. Ejemplo.6 La Fgura.4 muestra el dagrama de caja del colesterol HDL e el grupo cotrol del estudo EURAMIC. Como puede observarse, esta dstrbucó preseta u leve sesgo postvo ya que el límte superor de la caja está lgeramete más alejado de la medaa que el límte feror.,5 Colesterol HDL (mmol/l,5,5 Fgura.4 Dagrama de caja del colesterol HDL e el grupo cotrol del estudo EURAMIC. Pastor-Barruso R.
22 Estadístca descrptva.6 REFERENCIAS. Colto T. Estadístca e Medca. Barceloa: Salvat, Glatz SA. Prmer of Bostatstcs, Ffth Edto. New York: McGraw-Hll/Appleto & Lage,. 3. Pagao M, Gauvreau K. Prcples of Bostatstcs, Secod Edto. Belmot, CA: Dubury Press,. 4. Roser B. Fudametals of Bostatstcs, Sth Edto. Belmot, CA: Dubury Press, 6. Pastor-Barruso R.
23 TEMA PROBABILIDAD. INTRODUCCIÓN Se deoma epermetos estocástcos, aleatoros o o determístcos a aquellos e los que puede obteerse resultados dsttos cuado se repte e détcas crcustacas. Los feómeos bológcos tee e este setdo ua compoete aleatora mportate. La herrameta matemátca que costtuye la base para el estudo de feómeos co ua compoete aleatora es la teoría de la probabldad, que proporcoa modelos teórcos aplcables a la frecueca de los dsttos resultados de u epermeto. A cotuacó, se revsa alguos coceptos prevos que va a ser ecesaros para sstematzar la ocó de probabldad. y Espaco muestral, deotado por W, es el cojuto de los posbles resultados de u epermeto aleatoro. y Se deoma suceso a cualquer subcojuto del espaco muestral W. Los sucesos puede ser elemetos smples de W o cojutos de elemetos. Dos sucesos partculares so el suceso seguro W, que cotee todos los elemetos del espaco muestral, y el suceso mposble o cojuto vacío, que o cotee gú elemeto. Ejemplo. S el epermeto cosste e observar el úmero de supervvetes a los 6 meses de 4 pacetes co cácer sometdos a tratameto, el espaco muestral será W {,,, 3, 4}. S el epermeto cosste e medr los veles de colesterol HDL de ua persoa, el espaco muestral será W (,. E el prmer epermeto, alguos sucesos podría ser: o observar gú supervvete A {}, observar ó supervvetes B {, } u observar al meos supervvetes C {, 3, 4}. E el segudo epermeto, alguos de los posbles sucesos cluría: teer u colesterol HDL mmol/l A (, ] o teer u colesterol HDL >,5 mmol/l B (,5,. y El suceso uó A B es el eveto costtudo por los elemetos que perteece a A o B, o a ambos a la vez. y El suceso terseccó A B es el eveto formado por los elemetos que perteece smultáeamete a A y B. y Sucesos dsjutos, compatbles o mutuamete ecluyetes so aquellos que o puede ocurrr smultáeamete; es decr, su terseccó es el cojuto vacío, A B. y El suceso complemetaro del suceso A, deotado por A c, es el eveto que ocurre cuado o se realza A. Estos sucesos está represetados e los dagramas de la Fgura.. E geeral, las operacoes etre sucesos se rge por la teoría de cojutos, de la cual puede dervarse alguas propedades mportates como A (B C (A B (A C, A (B C (A B (A C, (A B c A c B c y (A B c A c B c. Pastor-Barruso R. 3
24 Probabldad B B A A (a A B (b A B B A A (c A B (d A c Fgura. Dagramas de los sucesos uó (a, terseccó (b, sucesos mutuamete ecluyetes (c y suceso complemetaro (d. Ejemplo. E el epermeto de supervveca a los 6 meses de 4 pacetes co cácer, la uó de los sucesos B {, } y C {, 3, 4} es B C {,, 3, 4} y su terseccó es B C {}. Al medr los veles de colesterol HDL de ua persoa, los sucesos A (, ] y B (,5, so mutuamete ecluyetes ya que A B. Asmsmo, e este epermeto el complemetaro de A es el suceso A c (,. E este tema se defe el cocepto de probabldad y se troduce las reglas báscas para operar co probabldades. Estas reglas costtuye la base para el cálculo e terpretacó de los procedmetos de fereca estadístca (por ejemplo, el valor P de u cotraste de hpótess véase Tema 5 y permte també evaluar la sesbldad, la especfcdad y los valores predctvos de las pruebas dagóstcas.. CONCEPTO Y DEFINICIONES DE PROBABILIDAD El cocepto de probabldad es tutvo, tal y como se refleja e el leguaje cotdao: la probabldad de u suceso refleja la verosmltud de que éste ocurra, de forma que los sucesos más probables se dará co mayor frecueca que los meos probables. S embargo, para abordar la probabldad de forma sstemátca, es ecesara ua defcó rgurosa, a la vez que compatble co uestra tucó. Dos defcoes de probabldad de uso comú so: y Defcó frecuetsta (vo Mses. Al repetr u epermeto defdamete, la probabldad de u suceso es el límte del cocete etre el úmero de veces que ocurre dcho suceso y el úmero de epermetos realzados, P(A # A lm, dode #A es el úmero de veces que se realza A e los epermetos. 4 Pastor-Barruso R.
25 Cocepto y defcoes de probabldad Ejemplo.3 Supogamos que se desea coocer la probabldad de ser mujer etre todos los recé acdos vvos e España. Segú los datos del Isttuto Nacoal de Estadístca, se regstraro 6.7 ñas de acmetos e 5, de e 6 y de e 7. La proporcó acumulada de ñas es 6.7/466.37,485 e 5, /949.38,4845 e 5-6 y / ,4845 e 5-7. Aumetado defdamete los regstros auales, el límte de estos cocetes,485,,4845,,4845,... determaría la probabldad de ser mujer. E la práctca, s embargo, o es posble realzar ftos epermetos y las probabldades teórcas se estma medate probabldades empírcas obtedas a partr de u úmero fto de epermetos. Así, utlzado los datos dspobles de acmetos e 5 7, se estmaría ua probabldad de ser mujer de,4845. y Defcó aomátca (Kolmogorov. La probabldad es ua fucó que asga a cada posble suceso de u epermeto u valor umérco, de tal forma que se cumpla los sguetes aomas: ( No egatvdad: P(A, ( Normatvdad: P(W, ( Adtvdad: S A, A,... so sucesos mutuamete ecluyetes, etoces P A P( A A... P( A + P( A +... P( A. Notar que esta defcó de probabldad ta sólo especfca las propedades geerales que debe teer ua fucó de probabldad, pero o permte la asgacó de probabldades a u suceso cocreto. No obstate, de la defcó aomátca se derva alguas propedades mportates de la fucó de probabldad: (v P(, (v (v P(A c P(A, S A está cludo e B, A B, etoces P(A P(B, (v P(A, (v Sub-adtvdad: Para cualquer coleccó de sucesos A, A,..., P A P( A, ( Prcpo de clusó-eclusó: Sea A, A,..., A k sucesos cualesquera, P k A k + ( P( A k + P( A < j k A P( A A A Del tercer aoma de la probabldad se deduce que, s dos sucesos so mutuamete ecluyetes, la probabldad de la uó es la suma de sus probabldades por separado. El prcpo de clusó-eclusó geeralza este resultado para sucesos o ecesaramete j k. Pastor-Barruso R. 5
26 Probabldad ecluyetes: la probabldad de la uó de dos sucesos cualesquera es la suma de sus probabldades por separado, meos la probabldad de la terseccó, P(A B P(A + P(B - P(A B. Este prcpo puede aplcarse a coleccoes co más de dos sucesos. Así, por ejemplo, para tres sucesos cualesquera, se cumple que P(A B C P(A + P(B + P(C - P(A B - P(A C - P(B C + P(A B C. Ejemplo.4 Supogamos que la probabldad de ser bebedor e ua determada poblacó de adultos es,, la probabldad de ser dabétco es,3 y la probabldad de ser smultáeamete bebedor y dabétco es,. S se deota por B al suceso ser bebedor y por D al suceso ser dabétco, la probabldad de que u dvduo de esta poblacó sea bebedor, dabétco o ambos a la vez vee determada por P(B D P(B + P(D - P(B D, +,3 -,,..3 PROBABILIDAD CONDICIONAL E INDEPENDENCIA DE SUCESOS La probabldad de u suceso puede depeder de la realzacó de otro suceso. Así, por ejemplo, la probabldad de teer u farto de mocardo es dferete e los hombres que e las mujeres; es decr, la probabldad del suceso teer u farto de mocardo depede del suceso ser hombre o ser mujer. El cocepto matemátco que permte formalzar cómo se modfca la probabldad de u suceso e fucó de otro es la probabldad codcoal. E geeral, la probabldad del suceso B codcoada al suceso A se defe como P(B A P( A B. P( A De forma tutva, codcoar por el suceso A es equvalete a seleccoar por este suceso. Así, P(farto hombre es equvalete a seleccoar e prmer lugar a los hombres y posterormete determar su probabldad de teer u farto de mocardo. El cocepto de probabldad codcoal tee umerosas aplcacoes e epdemología y salud públca. Por ejemplo, s D es el suceso teer ua efermedad y E es el suceso estar epuesto a u factor de resgo, P(D E es la probabldad de la efermedad etre los epuestos, P(D E c es la probabldad de la efermedad etre los o epuestos y ψ P(D E/P(D E c es el resgo relatvo de la efermedad etre los epuestos y los o epuestos. Ejemplo.5 Cotuado co el ejemplo ateror, la probabldad de que u bebedor sea dabétco se calcula como P(D B P( B D P( B,,,5 6 Pastor-Barruso R.
27 Probabldad codcoal e depedeca de sucesos y la probabldad de que u o bebedor sea dabétco como P(D B c c P( B D P( D P( B D,3, c P( B P( B,,5. Así, el resgo de dabetes es el doble e los sujetos bebedores que e los o bebedores, ψ P(D B/P(D B c,5/,5. Se dce que dos sucesos so depedetes s la ocurreca de uo o afecta a la probabldad del otro; es decr, A y B so depedetes s P(B A P(B A c P(B o, de forma equvalete, s P(A B P(A B c P(A. E cosecueca, s dos sucesos so depedetes, puede probarse que P(A B P(AP(B A P(AP(B. Por tato, dos sucesos també puede defrse como depedetes s la probabldad de su terseccó es gual al producto de la probabldad de cada suceso por separado. Ejemplo.6 A partr de los resultados del ejemplo ateror, puede coclurse que los sucesos padecer dabetes y ser bebedor o so depedetes dado que la probabldad de ser dabétco es dferete e bebedores que e o bebedores, P(D B,5,5 P(D B c ; es decr, el resgo relatvo es dstto de la udad, ψ. Esta depedeca se refleja també e el hecho de que la probabldad de ser smultáeamete bebedor y dabétco o es el producto de sus probabldades, P(B D,,,3 P(BP(D. Notar que la probabldad de la terseccó de dos sucesos cualesquera P(A B P(AP(B A o equvale al producto de sus probabldades, salvo que ambos sucesos sea depedetes. E geeral, para cualquer cojuto de sucesos A, A,..., A k, la probabldad de su terseccó es P(A A... A k P(A P(A... A k A P(A P(A A P(A 3... A k A A... P(A P(A A P(A 3 A A P(A k A A... A k. E el caso de que estos sucesos sea mutuamete depedetes, las probabldades codcoales de la fórmula ateror se reduce a probabldades o codcoales y, e cosecueca, la probabldad de la terseccó es gual al producto de sus probabldades, P k A P(A A... A k P(A P(A P(A k P( A. k Pastor-Barruso R. 7
28 Probabldad.4 REGLA DE LA PROBABILIDAD TOTAL La probabldad o codcoal de u suceso B se relacoa co su probabldad codcoada e la ocurreca o o de otro suceso A medate la fórmula P(B P(A B + P(A c B P(AP(B A + P(A c P(B A c. Así, la probabldad o codcoal de B es la meda poderada de las probabldades codcoales de B dado A y A c. Esta descomposcó de la probabldad del suceso B e térmos de A y A c es aplcable porque estos sucesos costtuye ua partcó del espaco muestral; es decr, A y A c so sucesos ehaustvos A A c W y mutuamete ecluyetes A A c. E geeral, para u cojuto de sucesos A, A,..., A k globalmete ehaustvos y mutuamete ecluyetes que forme ua partcó del espaco muestral, se verfca que P(B k k P( A B P( A P( B A, coocda como regla de la probabldad total. Esta fórmula es partcularmete útl e epdemología, dode se emplea co frecueca las partcoes. Por ejemplo, al dvdr la poblacó e grupos de edad y seo se está empleado categorías globalmete ehaustvas y mutuamete ecluyetes. E geeral, sempre que se dvde la poblacó e estratos se aplca ua partcó a esa poblacó. Ejemplo.7 E ua poblacó de mayores de 65 años, los dvduos co edades etre 65-74, y 85 años costtuye el 6, 3 y % de la poblacó. La prevaleca de la efermedad de Alzhemer e estos grupos de edad es respectvamete de, 75 y 3 casos por. La prevaleca global de la efermedad de Alzhemer e esta poblacó de mayores de 65 años se calcularía P(A P ( E 3 P( A E,6, +,3,75 +,,3,645, resultado 64,5 casos por persoas..5 TEOREMA DE BAYES El teorema de Bayes permte obteer la probabldad codcoal de A dado B a partr de la probabldad de A y de las probabldades codcoales versas de B dado A y A c. Aplcado la defcó de probabldad codcoal y la regla de la probabldad total, se obtee que P(A B P( A B P( B P( A P( B A P( A P( B A + P( A c P( B A c. El teorema de Bayes se usa co frecueca e la evaluacó de pruebas dagóstcas. Cuado se desarrolla ua prueba dagóstca y se compara sus resultados co los de u patró oro (método de refereca e el dagóstco de la efermedad, suele determarse los sguetes parámetros o característcas propas de la prueba dagóstca: 8 Pastor-Barruso R.
29 Teorema de Bayes y Sesbldad es la probabldad de obteer u resultado postvo de la prueba dagóstca etre los sujetos realmete efermos, S P(+ D. y Especfcdad es la probabldad de obteer u resultado egatvo etre los sujetos realmete saos, E P( D c. E la aplcacó clíca de ua prueba dagóstca a ua determada poblacó teresa coocer, s embargo, los sguetes parámetros: y Valor predctvo postvo es la probabldad de teer la efermedad etre las persoas que tee u resultado postvo, VP+ P(D +. y Valor predctvo egatvo es la probabldad de o teer la efermedad etre las persoas que tee u resultado egatvo, VP P(D c. Aplcado el teorema de Bayes, puede calcularse los valores predctvos e fucó de la prevaleca de la efermedad e la poblacó y de la sesbldad y especfcdad de la prueba dagóstca, P( D P( + D VP+ P( D + c P( D P( + D + P( D P( + D c PS, PS + ( P( E VP P( D c c c P( D P( D c c P( D P( D + P( D P( D ( P E P( S + ( P E. Ejemplo.8 La sesbldad de la prueba ELISA para detectar seropostvdad frete al vrus de muodefceca humaa es del 99% y su especfcdad es del 96%. E ua poblacó co ua prevaleca de feccó por el vrus de muodefceca humaa del,3%, úcamete el 6,9% de las persoas co u resultado postvo del test ELISA estará realmete fectadas, VP+ PS,3,99 PS + ( P( E,3,99 +,997,4,69, metras que práctcamete todas las persoas co resultado egatvo estará lbres de la feccó, VP ( P E,997,96,. P( S + ( P E,3, +,997,96 S embargo, e ua poblacó de alto resgo co ua prevaleca del vrus de muodefceca humaa del %, el 73,3% de los sujetos co resultado postvo estará realmete fectados, PS,,99 VP+,733, PS + ( P( E,,99 +,9,4 sedo muy mprobable la feccó etre aquellos sujetos co resultado egatvo, VP ( P E P( S + ( P E,9,96,, +,9,96,999. Pastor-Barruso R. 9
30 Probabldad Como puede aprecarse, el valor predctvo postvo de esta prueba varía eormemete e fucó de la prevaleca poblacoal de la feccó. E geeral, s A, A,..., A k so sucesos globalmete ehaustvos y mutuamete ecluyetes, el teorema de Bayes puede geeralzarse como P(A B P( A B P( B k P( A P( B A. P( A P( B A j j j Ejemplo.9 Cotuado co el Ejemplo.7, la dstrbucó de los casos de la efermedad de Alzhemer por grupo de edad vee dada por P(E A P(E A P(E 3 A P( E 3 P( E P( E 3 P( E P( E 3 P( A E P( A,6,,645 E P( A E P( A,3,75,645 P( E E P( A E P( A,,3, E,86,,349,,465. Esto es, el 8,6, 34,9 y 46,5% de los casos de la efermedad de Alzhemer tee edades etre 65-74, y 85 años, respectvamete..6 REFERENCIAS. Bllgsley P. Probablty ad Measure, Thrd Edto. New York: Joh Wley & Sos, Casella G, Berger RL. Statstcal Iferece, Secod Edto. Belmot, CA: Dubury Press,. 3. Feller W. A Itroducto to Probablty Theory ad Its Applcatos, Volume, Thrd Edto. New York: Joh Wley & Sos, Roser B. Fudametals of Bostatstcs, Sth Edto. Belmot, CA: Dubury Press, 6. Pastor-Barruso R.
31 TEMA 3 VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD 3. INTRODUCCIÓN E el tema de estadístca descrptva se revsaro las téccas ecesaras para la realzacó de u aálss descrptvo de las varables recogdas e ua muestra. El presete tema se cetra e descrbr alguos modelos teórcos de probabldad que permte caracterzar la dstrbucó poblacoal de determadas varables y que, a su vez, so aplcables a múltples stuacoes práctcas. Cuado se realza u estudo o u epermeto aleatoro, es frecuete asgar a los resultados del msmo ua catdad umérca. A la fucó que asoca u úmero real a cada resultado de u epermeto se le deoma varable aleatora. Auque el cocepto de varable se ha troducdo co aterordad, ua defcó más formal de varable aleatora es, por tato, la de ua fucó defda sobre el espaco muestral W que asga a cada posble resultado de u epermeto u valor umérco. Auque e geeral puede defrse múltples varables aleatoras para u msmo epermeto, es acosejable seleccoar e cada caso aquellas varables que recoja las característcas fudametales del epermeto. Las varables aleatoras suele deotarse por letras mayúsculas del fal del alfabeto, tales como X, Y o Z, metras que los valores que puede tomar se represeta por sus correspodetes letras músculas,, y o z. Ejemplo 3. A cotuacó se defe alguas varables aleatoras para los epermetos del Ejemplo. del tema ateror. E el epermeto cosstete e observar la supervveca a los 6 meses de 4 pacetes co cácer sometdos a tratameto, ua varable aleatora X podría ser el úmero de supervvetes, que tomaría los valores X,,, 3 ó 4 e fucó del úmero de pacetes que haya sobrevvdo a los 6 meses. Alteratvamete, podría defrse otra varable aleatora Y como el úmero de muertes, cuyos valores sería Y,,, 3 ó 4 e fucó del úmero de muertes observadas. Para el epermeto de medr el colesterol HDL de ua persoa, la varable aleatora X más atural sería el vel de colesterol HDL e mmol/l, que podría tomar cualquer valor postvo. S el terés se cetra e saber s los veles de colesterol HDL so superores o ferores al umbral de,9 mmol/l, otra varable aleatora Y podría defrse como Y s el vel observado es feror a,9 mmol/l y e caso cotraro. La eleccó de los valores y es arbtrara, bastaría co asgar dos valores dsttos para dferecar ambos tpos de resultados. Como las varables aleatoras so fucoes defdas sobre el espaco muestral, sus posbles valores tedrá asocada ua probabldad, que correspoderá a la probabldad del suceso costtudo por aquellos resultados del epermeto que toma dchos valores. Los dferetes valores de ua varable aleatora y las probabldades asocadas costtuye la dstrbucó de probabldad de la varable. Ejemplo 3. E el prmer epermeto del ejemplo ateror, el úmero de supervvetes es ua varable aleatora que toma los valores X,,, 3 ó 4. La probabldad asocada al valor P(X sería la probabldad del suceso guo de los 4 pacetes sobrevve Pastor-Barruso R.
32 Varables aleatoras y dstrbucoes de probabldad a los 6 meses, la probabldad asocada al valor P(X sería la probabldad del suceso sólo de los 4 pacetes sobrevve a los 6 meses, y así sucesvamete. E el segudo epermeto, el vel de colesterol HDL es ua varable aleatora X que puede tomar cualquer valor e el tervalo (,. E este caso o tee setdo pregutarse, por ejemplo, cuál es la probabldad de teer eactamete u vel de colesterol HDL de mmol/l, ya que s esta varable se pudera determar co ua precsó fta, la probabldad P(X. E tal caso, deberíamos pregutaros por la probabldad de u determado tervalo de valores. Así, por ejemplo, la probabldad P(X sería la probabldad del suceso teer veles de colesterol HDL meores o guales a mmol/l. E geeral, se dstgue dos grades grupos de varables aleatoras: y Varables aleatoras dscretas so aquellas que ta sólo puede tomar u úmero dscreto (fto o fto de valores. Cada uo de estos valores lleva asocada ua probabldad postva, metras que la probabldad de los restates valores es. y Varables aleatoras cotuas so aquellas que puede tomar cualquer valor detro de u tervalo. E este caso, la probabldad de obteer u valor cocreto es, por lo que las probabldades se asga a tervalos de valores. A cotuacó se descrbe las prcpales característcas de las varables aleatoras dscretas y cotuas, así como alguas dstrbucoes teórcas de probabldad que será aplcables a muchas de las varables aleatoras utlzadas e la práctca. 3. DISTRIBUCIONES DE PROBABILIDAD DISCRETAS Las varables aleatoras dscretas toma u úmero dscreto de valores co probabldad o ula y, e cosecueca, estará completamete caracterzadas s se cooce la probabldad asocada a cada uo de estos valores. La fucó que asga a cada posble valor,,,..., de la varable dscreta X su probabldad P(X se cooce como fucó de masa de probabldad. Esta fucó debe cumplr las sguetes propedades: la probabldad de cada valor ha de estar etre y, < P(X, y la suma de las probabldades para todos los valores debe ser gual a, P ( X. Ua vez coocda la fucó de masa de probabldad, la probabldad de que ua varable aleatora dscreta X esté compredda e cualquer subcojuto A se calcula como la suma de las probabldades de aquellos valores cludos detro de ese subcojuto, P(X A P ( X. A E partcular, la fucó de dstrbucó F( de ua varable aleatora X se defe como la probabldad de observar u valor meor o gual a, F( P(X P ( X. La fucó de dstrbucó de ua varable dscreta será ua fucó escaloada crecete co saltos e los valores co probabldad o ula. Pastor-Barruso R.
33 Dstrbucoes de probabldad dscretas Ejemplo 3.3 Supogamos que por estudos prevos se estma que, después de 6 meses de tratameto e 4 pacetes co cácer, la probabldad de que sobrevva,,, 3 ó 4 pacetes vee determada por la seguda columa de la Tabla 3.. Estos valores y sus probabldades costtuye la fucó de masa de probabldad de la varable úmero de supervvetes, que se muestra e la Fgura 3.(a. Los valores de la fucó de dstrbucó e,,, 3 y 4 aparece e la tercera columa de la Tabla 3.; así, por ejemplo, la fucó de dstrbucó e es F( P(X P(X + P(X,96 +,3456,475. La fucó de dstrbucó de esta varable se represeta e la Fgura 3.(b. Notar que F( está defda sobre cualquer úmero real, au cuado la varable tome sólo los valores,,, 3 y 4 co probabldad o ula. E el prmer tema de estadístca descrptva, se defero la meda y la varaza muestral como meddas de tedeca cetral y dspersó de ua varable e ua muestra. A cotuacó, se defe meddas aálogas para la dstrbucó poblacoal de ua varable aleatora. La esperaza o meda poblacoal de ua varable aleatora dscreta X, deotada por μ o E(X, se defe como la suma de los productos de cada valor por su probabldad P(X, μ E(X P( X. Tabla 3. Fucó de masa de probabldad y fucó de dstrbucó del úmero de supervvetes a los 6 meses de 4 pacetes co cácer sometdos a tratameto. Número de supervvetes ( Fucó de masa P(X Fucó de dstrbucó F( P(X,96,96,3456,475,3456,88 3,536,9744 4,56,,4,3,8 P(X, F(,6,4,, 3 4 (a 3 4 (b Fgura 3. Fucó de masa de probabldad (a y fucó de dstrbucó (b del úmero de supervvetes a los 6 meses de 4 pacetes co cácer sometdos a tratameto. Pastor-Barruso R. 3
ESTADÍSTICA poblaciones
ESTADÍSTICA Es la parte de las Matemátcas que estuda el comportameto de las poblacoes utlzado datos umércos obtedos medate epermetos o ecuestas. ESTADÍSTICA La Estadístca tee dos ramas: La Estadístca descrptva:
Más detallesVARIABLES ESTADÍSTICAS UNIDIMENSIONALES.
CONTENIDOS. VARIABLES ESTADÍSTICAS UNIDIMENSIONALES. Itroduccó a la Estadístca descrptva. Termología básca: poblacó, muestra, dvduo, carácter. Varable estadístca: dscretas y cotuas. Orgazacó de datos.
Más detallesVARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN
VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode
Más detallesCÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS. de una variable X, la denotaremos por x y la calcularemos mediante la fórmula:
CÁLCULO Y COMENTARIOS SOBRE ALGUNAS MEDIDAS DESCRIPTIVAS I Meddas de localzacó Auque ua dstrbucó de frecuecas es certamete muy útl para teer ua dea global del comportameto de los datos, es geeralmete ecesaro
Más detallesModelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión
Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la
Más detallesTema 2: Distribuciones bidimensionales
Tema : Dstrbucoes bdmesoales Varable Bdmesoal (X,Y) Sobre ua poblacó se observa smultáeamete dos varables X e Y. La dstrbucó de frecuecas bdmesoal de (X,Y) es el cojuto de valores {(x, y j ); j } 1,, p;
Más detalles6. ESTIMACIÓN PUNTUAL
Defcoes 6 ESTIMACIÓN PUNTUAL E la práctca, los parámetros de ua dstrbucó de probabldad se estma a partr de la muestra La fereca estadístca cosste e estmar los parámetros de ua dstrbucó; y e evaluar ua
Más detallesMATEMÁTICA MÓDULO 4 Eje temático: Estadística y Probabilidades
MATEMÁTICA MÓDULO 4 Eje temátco: Estadístca y Probabldades Empezaremos este breve estudo de estadístca correspodete al cuarto año de Eseñaza Meda revsado los dferetes tpos de gráfcos.. GRÁFICOS ESTADÍSTICOS
Más detallesMODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU
MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar
Más detallesREGRESIÓN LINEAL SIMPLE
RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó
Más detallesESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA A. MEDIDAS DE TENDENCIA CENTRAL B. MEDIDAS DE VARIABILIDAD C. MEDIDAS DE FORMA RESUMEN: A. MEDIDAS DE TENDENCIA CENTRAL So estadígrafos de poscó que so terpretados como valores
Más detallesPARTE 2 - ESTADISTICA. Parte 2 Estadística Descriptiva. 7. 1 Introducción
Parte Estadístca Descrptva Prof. María B. Ptarell PARTE - ESTADISTICA 7- Estadístca Descrptva 7. Itroduccó El campo de la estadístca tee que ver co la recoplacó, orgazacó, aálss y uso de datos para tomar
Más detallesV II Muestreo por Conglomerados
V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos
Más detalles4º MEDIO: MEDIDAS DE POSICIÓN
4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co
Más detallesEstadística I. Carmen Trueba Salas Lorena Remuzgo Pérez Vanesa Jordá Gil José María Sarabia Alegría. Capítulo 2. Medidas de posición y dispersión
Estadístca I Capítulo. Meddas de poscó y dspersó Carme Trueba Salas Lorea Remuzgo Pérez Vaesa Jordá Gl José María Saraba Alegría DPTO. DE ECOOMÍA Este tema se publca bajo Lceca: Creatve Commos BY-C-SA
Más detallesMEDIA ARITMÉTICA. Normalmente se suele distinguir entre media aritmética simple y media aritmética ponderada.
MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co u ejemplo:
Más detallesESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA I UNIDAD I ESTADÍSTICA DESCRIPTIVA 3.5 Ojvas Este tpo de represetacó gráfca se costruye a partr de las frecuecas acumuladas (absolutas o relatvas) para varables cotuas o dscretas, co muchos
Más detallesEstadística Espacial. José Antonio Rivera Colmenero
Estadístca Espacal José Atoo Rvera Colmeero 1 Descrptores del patró putual Tedeca cetral 1. Meda cetral (Meda espacal). Meda cetral poderada 3. Medaa cetral (medaa espacal) o se utlza amplamete por su
Más detallesSi los cerdos de otro granjero tienen los siguientes pesos: 165, 182, 185, 168, 170, 173, 180, 177. Entonces el diagrama de puntos está dado por:
Aputes de Métodos Estadístcos I Prof. Gudberto J. Leó R. I- 65 Uversdad de los Ades Escuela de Estadístca. Mérda -Veezuela Meddas de Dspersó Además de obteer la formacó que reúe las meddas de tedeca cetral
Más detallesMEDIDAS DE TENDENCIA CENTRAL
Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes
Más detalles4. SEGUNDO MÓDULO. 4.1 Resumen de Datos
4. SEGUNDO MÓDULO 4. Resume de Datos E estadístca descrptva, a partr de u cojuto de datos, se busca ecotrar resumes secllos, que permta vsualzar las característcas esecales de éstos. E ua expereca, u dato
Más detallesNOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN
UNIVERSIDAD DE CHILE VICERRECTORÍA DE ASUNTOS ACADÉMICOS DEPARTAMENTO DE EVALUACIÓN, MEDICIÓN Y REGISTRO EDUCACIONAL NOCIONES BÁSICAS DE ESTADÍSTICA UTILIZADAS EN EDUCACIÓN SANTIAGO, septembre de 2008
Más detallesCONTENIDO MEDIDAS DE POSICIÓN MEDIDAS DE DISPERSIÓN OTRAS MEDIDAS DESCRIPTIVAS INTRODUCCIÓN
INTRODUCCIÓN CONTENIDO DEFINICIÓN DE ESTADÍSTICA ESTADÍSTICA DESCRIPTIVA CONCEPTOS BÁSICOS POBLACIÓN VARIABLE: Cualtatvas o Categórcas y Cuattatvas (Dscretas y Cotuas) MUESTRA TAMAÑO MUESTRAL DATO DISTRIBUCIONES
Más detalles3 = =. Pero si queremos calcular P (B) 2, ya que si A ocurrió, entonces en la urna
arte robabldad codcoal rof. María. tarell - robabldad codcoal.- Defcó Supogamos el expermeto aleatoro de extraer al azar s reemplazo dos bolllas de ua ura que cotee 7 bolllas rojas y blacas. summos que
Más detallesNOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD
NOTAS SOBRE ESTADÍSTICA APLICADA A LA CALIDAD 1. CONCEPTO DE ESTADÍSTICA : Es la ceca que estuda la terpretacó de datos umércos. a) Proceso estadístco : Es aquél que a partr de uos datos umércos, obteemos
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO PROBABILIDAD AXIOMAS Y TEOREMAS DE LA PROBABILIDAD.
NSTTUTO TECNOLÓGCO DE ZCO Estadístca OLDD XOMS Y TEOEMS DE L OLDD. DEFNCONES DE L OLDD. La palabra probabldad se utlza para cuatfcar uestra creeca de que ocurra u acotecmeto determado. Exste tres formas
Más detallesCURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA
CURSO BÁSICO DE ESTADÍSTICA DESCRIPTIVA - 1 - ÍNDICE CAPÍTULO 1: INTRODUCCIÓN A LA ESTADÍSTICA Tema 1: Itroduccó a la estadístca - 1.1. Itroducc ó a la estadístca descrptva - 1.2. Nocoes báscas o 1.2.1.
Más detallesTEMA 12 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 12.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS
Tema 1 Ifereca estadístca. Estmacó de la meda Matemátcas CCSSII º Bachllerato 1 TEMA 1 INFERENCIA ESTADÍSTICA. ESTIMACIÓN DE LA MEDIA 1.1 DISTRIBUCIÓN NORMAL. REPASO DE TÉCNICAS BÁSICAS UTILIZACIÓN DE
Más detallesCurso de Estadística Unidad de Medidas Descriptivas. Lección 3: Medidas de Tendencia Central para Datos Agrupados por Clases
Curso de Estadístca Udad de Meddas Descrptvas Leccó 3: Meddas de Tedeca Cetral para Datos Agrupados por Clases Creado por: Dra. Noemí L. Ruz Lmardo, EdD 2010 Derechos de Autor Objetvos 1. Der el cocepto
Más detallesAnálisis estadístico de datos muestrales
Aálss estadístco de datos muestrales M. e A. Víctor D. Plla Morá Facultad de Igeería, UNAM Resume Represetacó de los datos de ua muestra: tablas de frecuecas, frecuecas relatvas y frecuecas relatvas acumuladas.
Más detallesIV. GRÁFICOS DE CONTROL POR ATRIBUTOS
IV Gráfcos de Cotrol por Atrbutos IV GRÁFICOS DE CONTROL POR ATRIBUTOS INTRODUCCIÓN Los dagramas de cotrol por atrbutos costtuye la herrameta esecal utlzada para cotrolar característcas de caldad cualtatvas,
Más detallesEstadística descriptiva
Estadístca descrptva PARAMETROS Y ESTADISTICOS Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca Meddas de tedeca cetral: Moda, Medaa, Meda
Más detallesAproximación a la distribución normal: el Teorema del Límite Central
Aproxmacó a la dstrbucó ormal: el Teorema del Límte Cetral El teorema del límte cetral establece que s se tee varables aleatoras, X, X,..., X, depedetes y co détca dstrbucó de meda µ y varaza σ, a medda
Más detallesFormulación precisa de la(s) pregunta(s) de investigación. Planeación: Comunicación usuario/estadístico
Esquema estadístco Problema de vestgacó Preguta de vestgacó Formulacó precsa de la(s) preguta(s) de vestgacó Plaeacó Dseño Muestra Feómeo Aleatoro Aálss y presetacó de la formacó Iferecas Toma de decsoes
Más detallesPráctica 11. Calcula de manera simbólica la integral indefinida de una función. Ejemplo:
PRÁCTICA SUMAS DE RIEMAN Práctcas Matlab Práctca Objetvos Calcular tegrales defdas de forma aproxmada, utlzado sumas de Rema. Profudzar e la compresó del cocepto de tegracó. Comados de Matlab t Calcula
Más detallesV Muestreo Estratificado
V Muestreo Estratfcado Dr. Jesús Mellado 10 Certas poblacoes que se desea muestrear, preseta grupos de elemetos co característcas dferetes, s los grupos so pleamete detfcables e su peculardad y e su tamaño,
Más detallesGuía práctica para la realización de medidas y el cálculo de errores
Laboratoro de Físca Prmer curso de Químca Guía práctca para la realzacó de meddas y el cálculo de errores Medda y Error Aquellas propedades de la matera que so susceptbles de ser meddas se llama magtudes;
Más detalles-Métodos Estadísticos en Ciencias de la Vida
-Métodos Estadístcos e Cecas de la Vda Regresó Leal mple Regresó leal smple El aálss de regresó srve para predecr ua medda e fucó de otra medda (o varas). Y = Varable depedete predcha explcada X = Varable
Más detalles1 ESTADÍSTICA DESCRIPTIVA
1 ESTADÍSTICA DESCRIPTIVA 1.1 OBJETO DE ESTUDIO Y TIPOS DE DATOS La estadístca descrptva es u cojuto de téccas que tee por objeto orgazar y presetar de maera coveete para su aálss, la formacó coteda e
Más detallesESTADÍSTICA DESCRIPTIVA Métodos Estadísticos Aplicados a las Auditorías Sociolaborales
ESTADÍSTICA DESCRIPTIVA Métodos Estadístcos Aplcados a las Audtorías Socolaborales Fracsco Álvarez Gozález fracsco.alvarez@uca.es Bajo el térmo Estadístca Descrptva se egloba las téccas que os permtrá
Más detallesTEMA UNIDAD I: ESTADÍSTICA DESCRIPTIVA
ANÁLISIS DESCRIPTIVO TEMA DE VARIABLES CUANTITATIVAS 4..Itroduccó 4..Propedades estadístcas de las varables cuattatvas 4.3. Descrpcó de muestras pequeñas 4.3.. Herrametas para el aálss gráfco 4.3.. Herrametas
Más detallesLOS NÚMEROS COMPLEJOS
LOS NÚMEROS COMPLEJOS por Jorge José Osés Reco Departameto de Matemátcas - Uversdad de los Ades Bogotá Colomba - 00 Cuado se estudó la solucó de la ecuacó de segudo grado ax bx c 0 se aaló el sgo del dscrmate
Más detallesTEMA 2: LOS NÚMEROS COMPLEJOS
Matemátcas º Bachllerato. Profesora: María José Sáche Quevedo TEMA : LOS NÚMEROS COMPLEJOS. LOS NÚMEROS COMPLEJOS Relacó etre los úmeros complejos y los putos del plao. Afjo de u úmero complejo. Cojugado
Más detallesMEDIDAS RESUMEN OBJETIVOS. Al término de la unidad el alumno podrá:
3 MEDIDAS RESUMEN OBJETIVOS Al térmo de la udad el alumo podrá: 3. Compreder las meddas como ua herrameta más que descrbe los datos obtedos e ua vestgacó socal o de la vda dara. 3. Compreder los sgfcados
Más detallesANÁLISIS DE LA VARIANZA ANOVA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES
ANÁLISIS DE LA VARIANZA COMPARACIONES MULTIPLES ENTRE MEDIAS MUESTRALES ANOVA Marta Alper Profesora Adjuta de Estadístca alper@fcym.ulp.edu.ar http://www.fcym.ulp.edu.ar/catedras/estadstca INTRODUCCION
Más detallesProbabilidad. 1. Experimentos aleatorios Espacio muestral asociado a un experimento aleatorio Sucesos... 3
Probabldad PROBABILIDAD 1. Expermetos aleatoros... 2 2. Espaco muestral asocado a u expermeto aleatoro. 3 3. Sucesos... 3 4. El álgebra de Boole de los sucesos... 4 5. Frecuecas. Propedades... 6 6. Defcó
Más detallesI n t r o d u c i ó n A l a E s t a d í s t i c a 1
Estadístca I t r o d u c ó A l a E s t a d í s t c a INTRODUCCIÓN: La Estadístca descrptva es ua parte de la Estadístca cuyo objetvo es examar a todos los dvduos de u cojuto para luego descrbr e terpretar
Más detalles5.3 Estadísticas de una distribución frecuencial
5.3 Estadístcas de ua dstrbucó frecuecal 5.3. Meddas de tedeca cetral Meddas de tedeca cetral Las meddas de tedeca cetral so descrptores umércos que proporcoa ua dea de los valores de la varable, alrededor
Más detallesRENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1
RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC
Más detallesTEMA 4: VALORACIÓN DE RENTAS
TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto
Más detallesINTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA
INTRODUCCIÓN AL CONCEPTO DE VALOR ESPERADO O ESPERANZA MATEMÁTICA DE UNA VARIABLE ALEATORIA Lus Fraco Martí {lfraco@us.es} Elea Olmedo Ferádez {olmedo@us.es} Jua Mauel Valderas Jaramllo {valderas@us.es}
Más detallesANÁLISIS DE DATOS CUALITATIVOS. José Vicéns Otero Eva Medina Moral
ÁLISIS D DTOS CULITTIVOS José Vcés Otero va Meda Moral ero 005 . COSTRUCCIÓ D U TL D COTIGCI Para aalzar la relacó de depedeca o depedeca etre dos varables cualtatvas omales o actores, es ecesaro estudar
Más detallesMétodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09
Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector
Más detallesESTADÍSTICA DESCRIPTIVA
Estadístca Estadístca Descrptva. ESTADÍSTICA DESCRIPTIVA. Itroduccó.. Coceptos geerales. 3. Frecuecas y tablas. 4. Grácos estadístcos. 4. Dagrama de barras. 4. Hstograma. 4.3 Polgoal de recuecas. 4.4 Dagrama
Más detallesMÉTODOS ESTADÍSTICOS PARA EL CONTROL DE CALIDAD
UNIVERSIDAD DE LOS ANDES. FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES DEPARTAMENTO DE CIENCIAS ADMINISTRATIVAS MÉRIDA ESTADO MÉRIDA Admstracó de la Produccó y las Operacoes II Prof. Mguel Olveros MÉTODOS
Más detallesCURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO EXCEL
CURSO DE ESTADÍSTICA DESCRIPTIVA Y ANÁLISIS DE DATOS CON LA HOJA DE CÁLCULO ECEL D. Fracsco Parra Rodríguez. Jefe de Servco de Estadístcas Ecoómcas y Socodemográfcas. Isttuto Cátabro de Estadístca. Dª.
Más detalles1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Más detallesAlgunas Recomendaciones para la Enseñanza de la Estadística Descriptiva o Análisis de Datos
Alguas Recomedacoes para la Eseñaza de la Estadístca Descrptva o Aálss de Datos Itroduccó Elemetos Báscos para Aplcar Estadístca Descrptva La Estadístca Descrptva o Formula Iferecas La Estadístca Descrptva
Más detallesCURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL
CURSO BÁSICO DE ANÁLISIS ESTADÍSTICO EN SPSS. FRANCISCO PARRA RODRÍGUEZ JUAN ANTONIO VICENTE VÍRSEDA MAURICIO BELTRÁN PASCUAL EL PROGRAMA ESTADÍSTICO SPSS . EL PROGRAMA ESTADÍSTICO SPSS. INTRODUCCIÓN El
Más detallesEstadistica Descriptiva
Estadstca Descrptva Marques de Catú, María José (990). Probabldad y Estdístca para Cecas Químco-Bológcas, Méxco, D. F.: Mc. Graw Hll. pp. 74-7. ORGANIZACIÓN Y REPORTE DE DATOS: TABLAS Y GRÁFICAS Los datos
Más detallesFUNCIÓN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA
VARIABLE ALEATORIA Se llama varable aleatora a toda fucó defda e el espaco muestral de u epermeto aleatoro que asoca a cada elemeto del espaco u úmero real X : E R El cocepto de varable aleatora surge
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINISTRACIÓN. Maestría en Administración. Formulario e Interpretaciones
UNIVERIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE CONTADURÍA Y ADMINITRACIÓN Maestría e Admstracó Formularo e Iterpretacoes F A C U L T A D D E C O N T A D U R Í A Y A D M I N I T R A C I Ó N Formularo
Más detallesCálculo y EstadísTICa. Primer Semestre.
Cálculo y EstadísTICa. Prmer Semestre. EstadísTICa Curso Prmero Graduado e Geomátca y Topografía Escuela Técca Superor de Igeeros e Topografía, Geodesa y Cartografía. Uversdad Poltécca de Madrd Capítulo
Más detallesIII. GRÁFICOS DE CONTROL POR VARIABLES (1)
III. Gráfcos de Cotrol por Varables () III. GRÁFICOS DE CONTROL POR VARIABLES () INTRODUCCIÓN E cualquer proceso productvo resulta coveete coocer e todo mometo hasta qué puto uestros productos cumple co
Más detallesPROBABILIDAD Y ESTADÍSTICA APLICADA
UNIVERSIDAD ORT Uruguay Facultad de Igeería Berard Wad - Polak PROBABILIDAD Y ESTADÍSTICA APLICADA NOTAS DE CLASE DEL CURSO DE LA Lcecatura e Sstemas FASCÍCULO Prof. Orual Ada Cátedra de Matemátcas Año
Más detalles1 ESTADÍSTICA DESCRIPTIVA
ESTADÍSTICA DESCRIPTIVA La ceca descrbe, explca y predce. Stephe Hawg, e Hstora del tempo. Objetvo de la udad: E el desarrollo de la presete Udad de Apredzaje (UA), el estudate stetzará u cojutos de datos,
Más detallesEste documento es de distribución gratuita y llega gracias a www.cienciamatematica.com El mayor portal de recursos educativos a tu servicio!
Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! Isttuto Tecológco de Apzaco Departameto de Cecas Báscas INSTITUTO
Más detallesINTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS
Uverstat de les Illes Balears Col.leccó Materals Ddàctcs INTRODUCCIÓN A LA ESTADÍSTICA DESCRIPTIVA PARA ECONOMISTAS Joaquí Alegre Martí Magdalea Cladera Muar Palma, 00 ÍNDICE INTRODUCCIÓN: Qué es...? Qué
Más detallesUna Propuesta de Presentación del Tema de Correlación Simple
Ua Propuesta de Presetacó del Tema de Correlacó Smple Itroduccó Ua Coceptualzacó de la Correlacó Estadístca La Correlacó o Implca Relacó Causa-Efecto Vsualzacó Gráfca de la Correlacó U Idcador de Asocacó:
Más detallesCENTRO DE MASA centro de masas centro de masas
CENTRO DE ASA El cetro de masas de u sstema dscreto o cotuo es el puto geométrco que dámcamete se comporta como s e él estuvera aplcada la resultate de las fuerzas exteras al sstema. De maera aáloga, se
Más detallesESTADÍSTICA. Unidad didáctica 11 1. ESTADÍSTICA: CONCEPTOS BÁSICOS. 1.1. Caracteres y variables estadísticos
Udad ddáctca ESTADÍSTICA. ESTADÍSTICA: COCEPTOS BÁSICOS La Estadístca surge ate la ecesdad de poder tratar y compreder cojutos umerosos de datos. E sus orígees hstórcos, estuvo lgada a cuestoes de Estado
Más detallesTEMA 3.- OPERACIONES DE AMORTIZACION : PRESTAMOS A INTERES VARIABLE 3.1.-CLASIFICACIÓN DE LOS PRÉSTAMOS A INTERÉS VARIABLE :
Dpto. Ecoomía Facera y otabldad Pla de Estudos 994 urso 008-09. TEMA 3 Prof. María Jesús Herádez García. TEMA 3.- OPERAIONES DE AMORTIZAION : PRESTAMOS A INTERES VARIABLE 3..-LASIFIAIÓN DE LOS PRÉSTAMOS
Más detallesESTADÍSTICA DESCRIPTIVA E INFERENCIAL I
COLEGIO DE BACHILLERES ESTADÍSTICA DESCRIPTIVA E INFERENCIAL I FASCÍCULO. MEDIDAS DE TENDENCIA CENTRAL Autores: Jua Matus Parra COLEGIO DE BACHILLERES Colaboradores Asesoría Pedagógca Revsó de Cotedo Dseño
Más detallesINTEGRAL DE LÍNEA EN EL CAMPO COMPLEJO
INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ARRERA: Igeería Electromecáca ASIGNATURA: DOENTES: Ig. Norberto laudo MAGGI Ig. Horaco Raúl DUARTE INGENIERÍA ELETROMEÁNIA INTEGRAL DE LÍNEA EN EL AMPO OMPLEJO ONEPTOS
Más detallesControl estadístico de procesos. Control de procesos. Definición de proceso bajo control estadístico. Causas de la variabilidad en un proceso
Cotrol de procesos Hstórcamete ha evolucoado e dos vertetes: Cotrol automátco de procesos (APC) empresas de produccó cotua (empresas químcas) Cotrol estadístco de procesos (SPC) e sstemas de produccó e
Más detallesMETODO DE MAXIMA VEROSIMILITUD. Supongamos una muestra aleatoria de 10 observaciones de una distribución Poisson:
Aputes Teoría Ecoométrca I. Profesor: Vvaa Ferádez METODO DE MAIMA VEOSIMILITUD Supogamos ua muestra aleatora de observacoes de ua dstrbucó Posso: 5,,,,, 3,, 3,,. La desdad de probabldad para cada observacó
Más detallesEste documento es de distribución gratuita y llega gracias a El mayor portal de recursos educativos a tu servicio!
Este documeto es de dstrbucó gratuta y llega gracas a Ceca Matemátca www.cecamatematca.com El mayor portal de recursos educatvos a tu servco! INTRODINTRODUCCIÓN D etro del estudo de muchos feómeos de
Más detallesLÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS
LÍNEA DE REGRESIÓN MÍNIMO CUADRÁTICA BASADA EN ERRORES RELATIVOS Mercedes Alvargozález Rodríguez - malvarg@ecoo.uov.es Uversdad de Ovedo Reservados todos los derechos. Este documeto ha sdo extraído del
Más detallesEjercicios Resueltos de Estadística: Tema 1: Descripciones univariantes
Ejerccos Resueltos de Estadístca: Tema : Descrpcoes uvarates . Los datos que se da a cotuacó correspode a los pesos e Kg. de ocheta persoas: (a) Obtégase ua dstrbucó de datos e tervalos de ampltud 5, sedo
Más detallesFigura 1
Regresó Leal Smple 7 Regresó Leal Smple 7. Itroduccó Dra. Daa Kelmasky 0 E muchos problemas cetífcos teresa hallar la relacó etre ua varable (Y), llamada varable de respuesta, ó varable de salda, ó varable
Más detallesAnálisis de Regresión y Correlación. Material Preparado por Olga Susana Filippini y Hugo Delfino 1
Aálss de Regresó y Correlacó Materal Preparado por Olga Susaa Flpp y Hugo Delfo ORIGEN HISTÓRICO DEL TÉRMINO REGRESlÓN El térmo regresó fue troducdo por Fracs Galto. E u famoso artículo Galto platea que,
Más detallesPROBANDO GENERADORES DE NUMEROS ALEATORIOS
PROBADO GRADORS D UMROS ALATORIOS s mportate asegurarse de que el geerador usado produzca ua secueca sufcetemete aleatora. Para esto se somete el geerador a pruebas estadístcas. S o pasa ua prueba, podemos
Más detalles(Feb03-1ª Sem) Problema (4 puntos). Se dispone de un semiconductor tipo P paralepipédico, cuya distribución de impurezas es
(Feb03-ª Sem) Problema (4 putos). Se dspoe de u semcoductor tpo P paraleppédco, cuya dstrbucó de mpurezas es ( x a) l = A 0 dode A y 0 so mpurezas/volume, l es u parámetro de logtud y a la poscó de ua
Más detallesSimulación de sistemas discretos
Smulacó de sstemas dscretos Novembre de 006 Álvaro García Sáchez Mguel Ortega Mer Smulacó de sstemas dscretos. Presetacó... 4.. Itroduccó... 4.. Sstemas, modelos y smulacó... 4.3. Necesdad de la smulacó...
Más detalles2.5. Área de una superficie.
.5. Área de ua superfce. Sea g ua fucó co prmeras dervadas parcales cotuas, tal que z g( x y), 0 e toda la regó D del plao xy. Sea S la parte de la gráfca de g cuya proyeccó e el plao xy es como se lustra
Más detalles7.1. Muestreo aleatorio simple. 7.2 Muestreo aleatorio estratificado. 7.3 Muestreo aleatorio de conglomerados. 7.4 Estimación del tamaño poblacional.
7 ELEMETOS DE MUESTREO COTEIDOS: OBJETIVOS: 7.. Muestreo aleatoro smple. 7. Muestreo aleatoro estratfcado. 7.3 Muestreo aleatoro de coglomerados. 7.4 Estmacó del tamaño poblacoal. Determar el dseño de
Más detallesde los vectores libres del plano. Recordemos que la operación de sumar vectores verificaba las siguientes propiedades: se cumple que u + v = v + u
FUNDAMENTOS DE LOS ESPACIOS VECTORIALES ABSTRACTOS Prmeros ejemplos. Cosderemos el cojuto V de los vectores lbres del plao. Recordemos que la operacó de sumar vectores verfcaba las sguetes propedades:
Más detalles2 - TEORIA DE ERRORES : Calibraciones
- TEORIA DE ERRORES : Calbracoes CONTENIDOS Errores sstemátcos.. Modelo de Studet. Curvas de Calbracó. Métodos de los Mímos Cuadrados. Recta de Regresó. Calbracó de Istrumetos OBJETIVOS Explcar el cocepto
Más detallesTécnicas básicas de calidad
Téccas báscas de caldad E esta udad aprederás a: Idetfcar las téccas báscas de caldad Aplcar las herrametas báscas de caldad Utlzar la tormeta de deas Crear dsttos tpos de dagramas Usar hstogramas y gráfcos
Más detallesLECCIONES DE ESTADÍSTICA
LECCIONES DE ESTADÍSTICA Estos aputes fuero realzados para mpartr el curso de Métodos Estadístcos y umércos e el I.E.S. A Xuquera I de Potevedra. Es posble que tega algú error de trascrpcó, por lo que
Más detallesContraste de Hipótesis
Cotraste de Hpótess 1. Se quere comprobar s ua muestra de tamaño 0 co meda 10 procede de ua poblacó N(14,3) co el vel de sgfcacó 0,05..- E ua propagada se auca que uas determadas plas proporcoa más horas
Más detallesIntroducción a la simulación de sistemas discretos
Itroduccó a la smulacó de sstemas dscretos Novembre de 6 Álvaro García Sáchez Mguel Ortega Mer Itroduccó a la smulacó de sstemas dscretos. Presetacó.. Itroduccó El presete documeto trata sobre las téccas
Más detallesGUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO
RESOLUCIÓN OENO 0/005 GUÍA PRÁCTICA PARA LA VALIDACIÓN, EL CONTROL DE CALIDAD Y LA ESTIMACIÓN DE LA INCERTIDUMBRE DE UN MÉTODO DE ANÁLISIS ENOLÓGICO ALTERNATIVO LA ASAMBLEA GENERAL, Vsto el artículo, párrafo
Más detallesUNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA
UNIVERSIDAD NACIONAL ABIERTA CENTRO LOCAL METROPOLITANO LICENCIATURA EN MATEMÁTICA MENCIÓN PROBABILIDAD Y ESTADÍSTICA U NA ESTUDIO DE MÉTODOS NO PARAMÉTRICOS Iforme de pasatías presetado como requsto para
Más detallesFrecuencia absoluta Les gusta 28 No les gusta 12 Total 40. Posibles resultados. Revisoras: Raquel Caro y Nieves Zuasti
116 Capítulo 7: Estadístca. Azar y probabldad TEORÍA. Matemátcas 4º de ESO 1. ESTADÍSTICA 1.1. Muestras. Estudos estadístcos S queremos hacer u estudo estadístco teemos que: a) Recoger los datos b) Descrbr
Más detallesTema I. Estadística descriptiva 1 Métodos Estadísticos LECCIONES DE ESTADÍSTICA
Tema I. Estadístca descrptva Métodos Estadístcos LECCIONES DE ESTADÍSTICA Tema I. Estadístca descrptva Métodos Estadístcos Feómeos determístcos TEMA I. ESTADÍSTICA DESCRIPTIVA Llamados també causales,
Más detallesESTADÍSTICA DESCRIPTIVA
H. Helam Estadístca -/5 ITRODUCCIÓ. COCEPTO DE ETADÍTICA ETADÍTICA DECRIPTIVA La estadístca es la rama de las matemátcas que estuda los eómeos colectvos recogedo, ordeado y clascado y smplcado los datos
Más detallesManual de Estadística
Maual de Estadístca Pag Maual de Estadístca Davd Ruz Muñoz Edtado por eumed et 004 ISBN: 84-688-653-7 Maual de Estadístca Pag ÍNDICE Capítulo I: Capítulo II: Capítulo III: Capítulo IV: Capítulo V: Capítulo
Más detallesANÁLISIS DE LA VARIANZA Es coocdo que ua varable aleatora Y se puede cosderar como suma de ua costate μ de ua varable aleatora ε, que represeta el error aleatoro: μ ε Este modelo se adapta be a datos de
Más detallesMUESTREO EN POBLACIONES FINITAS. Antonio Morillas 1
MUESTREO E POBLACIOES FIITAS Atoo Morllas Coceptos estadístcos báscos Etapas e el muestreo 3 Tpos de error 4 Métodos de muestreo 5 Tamaño de la muestra e fereca 6 Muestreo e poblacoes ftas 6. Muestreo
Más detalles