INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
|
|
- Jaime Silva Aguirre
- hace 6 años
- Vistas:
Transcripción
1 . Metodología en Salud Pública INFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS Autor: Clara Laguna 7.1 INTRODUCCIÓN Los datos categóricos o variables cualitativas son muy frecuentes en el ámbito de la investigación biomédica. Nos encontramos con frecuencia con datos o variables de tipo cualitativo, mediante las cuales un grupo de individuos se clasifican en dos o más categorías mutuamente excluyentes. Ejemplos de este tipo de variables pueden ser el sexo, el nivel socio-cultural, etc. En este caso tendríamos, a lo sumo, las observaciones agrupadas en forma de frecuencia, dependiendo de las modalidades que presente cada paciente en cada una de las variables. El objetivo de este tema es el estudio de este tipo de cuestiones en relación con las variables cualitativas (y también variables aleatorias discretas o continuas agrupadas en intervalo). Para describir y resumir la información contenida en unos datos categóricos, es decir, en una variable cualitativa, se usan proporciones o porcentajes. Por ejemplo, si se ha recogido el estado civil de una muestra de individuos, lo más adecuado para describir la variable sería presentar el porcentaje de solteros, casados, viudos, etc. Para su tratamiento estadístico debemos convertirlos en proporciones. Si leemos que el 68% de los estudiantes de una facultad son mujeres, tendríamos que: P mujeres = 0,68 y P hombres = 0,3 Usaremos pruebas de contrastes de hipótesis para la comparación de proporciones, si lo que queremos es comparar entre dos muestras la proporción de sucesos o de cualquier dato categórico. Para la comparación de proporciones entre dos o más muestras pueden utilizarse diversos procedimientos, aunque aquí nos centraremos en los dos primeros. Los tests de contraste de hipótesis más utilizados habitualmente son: Test de ji-cuadrado 1 (X ) de Pearson. Test exacto de Fisher. Test de ji-cuadrado (X ) de McNemar para datos emparejados. Test de ji-cuadrado (X ) de tendencia lineal (variables ordinales). 1 En inglés, chi-squared, por eso puede encontrarse también la expresión chi-cuadrado en castellano, incluidos los resultados de SPSS. El nombre correcto en español de la letra X es ji. 07. Inferencia paramétrica: relación entre dos variables cualitativas 1-10
2 . Metodología en Salud Pública Estos son los contrastes asociados con el estadístico ji-cuadrado. En general este tipo de tests consisten en tomar una muestra y observar si hay diferencia significativa entre las frecuencias observadas y las especificadas por la ley teórica del modelo que se contrasta, también denominadas frecuencias esperadas. Figura 7.1 Contrastes basados en ji-cuadrado 7. TEST DE JI CUADRADO DE PEARSON La ji-cuadrado de Pearson es una prueba estadística de contraste de hipótesis extensamente utilizada. Tiene muchas aplicaciones en inferencia estadística. Se aplica para analizar datos que están presentados en forma de número de observaciones en cada categoría: número de éxitos que ha tenido una intervención, porcentaje de pacientes que presenta una característica,... En definitiva, sirve para analizar variables cualitativas o categóricas y para comparar proporciones o porcentajes en grupos independientes. La prueba ji-cuadrado tiene una limitación: requiere un número suficiente de observaciones para que sea realmente informativa. En el caso de la ji-cuadrado siempre entenderemos la Hipótesis alternativa como bilateral Ji Cuadrado para una sola proporción (proporción observada frente a la esperada) La ji cuadrado tiene como primera utilidad hacer una comparación, dentro de una sola variable categórica, para comprobar si la distribución observada se corresponde con una distribución teóricamente esperada. Para entenderlo veamos el siguiente ejemplo. 07. Inferencia paramétrica: relación entre dos variables cualitativas - 10
3 . Metodología en Salud Pública Ejemplo 7.1: Supongamos que realizamos una encuesta a 0 universitarios donde el 45% (9) son mujeres y el 55% (11) son hombres. En este caso, existe una sola variable (sexo) que es cualitativa y dicotómica. Queremos comprobar si esta distribución es consistente con que en la Universidad ( población de la que procede la muestra), el 50% de los alumnos son hombres y el 50% mujeres (hipótesis nula). H 0: la muestra procede de una población donde el 50% son hombres y el 50% H 1: mujeres ( esperada ) esperada observada observada Para aplicar la ji-cuadrado de Pearson en este ejemplo, se realiza una comparación entre lo observado y lo esperado. Lo ESPERADO sería que el 50% fuesen hombres (10) pero lo son el 55% (11), luego hay una diferencia entre lo observado y lo esperado de 11-10=1. Para las mujeres también existe una diferencia (9-10= -1) entre lo observado (9) y lo esperado (10). Vamos a sumar esas diferencias entre observado y esperado, elevándolas al cuadrado antes de sumarlas (de ahí el nombre de ji cuadrado). Además se debe dividir cada cantidad por lo esperado en cada casilla. o e e (9 10) 10 (1110) 10 0,1 0,1 0, Así, tenemos que la expresión para ji-cuadrado es la siguiente 3 : observado esperado esperado Como os podéis imaginar cuando lo observado y lo esperado se diferencian muy poco, estaremos cerca de H 0. El numerador de estos cocientes será muy pequeño, por tanto el valor de ji-cuadrado valdrá poco. A mayor valor de ji-cuadrado, mayor evidencia habrá para rechazar H 0, y por tanto, más fácil será hallar significación estadística (valor p más bajo). Como las hipótesis se plantean siempre a nivel de población, se usa π en vez de p. 3 La estimación de la variabilidad aleatoria ( error ) es precisamente lo esperado (denominador de la X ). El numerador es lo que quedaría sin explicar si la H0 fuese cierta. 07. Inferencia paramétrica: relación entre dos variables cualitativas 3-10
4 . Metodología en Salud Pública Volviendo al ejemplo 7.1, a este valor ji-cuadrado =0, le corresponde un p-valor 4 =0,6547. Por tanto, el contraste no es significativo y podemos concluir que no hay evidencias para rechazar la hipótesis nula de igualdad de proporciones. No se puede rechazar que la muestra proceda de una población donde un 50% son mujeres y el otro 50% son hombres. Si no disponemos de un programa estadístico podemos saber si un valor chi-cuadrado es significativo mirando en las tablas de la ji-cuadrado. Figura 7. Distribución de ji-cuadrado Lo primero que tenemos que calcular son los grados de libertad. Como la variable tiene dos categorías (k=) y los grados de libertad son k-1, tendremos 1 grado de libertad. En nuestro ejemplo, miramos en la tabla de la ji-cuadrado si un valor de 0, es significativo para 1 grado de libertad (figura 7.): X = 0. < X 1; 0.05 =3,84 Como el valor que hemos hallado es 0, y la ji cuadrado con un grado de libertad no es significativo hasta que no llega a valer 3,84 (p=0,05), se puede afirmar que la prueba ji cuadrado ha resultado no significativa (p > 0,05). Vemos que conforme aumenta el valor de la ji-cuadrado, disminuye el valor de p. X 3,84 5,0 p 0,05 0,05 4 El p-valor lo podemos obtener directamente con un software estadístico (lo veremos con SPSS). 07. Inferencia paramétrica: relación entre dos variables cualitativas 4-10
5 . Metodología en Salud Pública Condiciones de aplicación: Este test se debe aplicar cuando es una variable cualitativa nominal. El único requisito que se debe cumplir es que ninguno de los valores esperados sea menor que Ji Cuadrado para comparar proporciones Este es el uso más habitual de la ji cuadrado de Pearson. Esta prueba permite contrastar la H 0 de independencia entre dos variables categóricas. A partir de una tabla de contingencia (tabla bidimensional) comparamos las frecuencias observadas con las frecuencias esperadas (las frecuencias que teóricamente debería haber en cada casilla si las dos variables fuesen independientes). Obtenidas las frecuencias esperadas para cada casilla, la ji cuadrado tiene la misma expresión que antes, pero ahora cuenta con cuatro términos, uno por cada casilla. observado esperado esperado ji-cuadrado =0 cuando las variables sean completamente independientes (las frecuencias observadas y esperadas serán iguales). ji-cuadrado será tanto mayor cuanto mayor sea la discrepancia existente entre las frecuencias observadas y las esperadas (discrepancia mayor cuanto mayor sea la relación entre las variables). - Si los datos son compatibles con la hipótesis de independencia, la probabilidad asociada al estadístico ji-cuadrado será alta (p>0.05). - Si esa probabilidad p<0.05, los datos son incompatibles con la H 0 de independencia y se concluye que las variables estudiadas están relacionadas. Condiciones de aplicación: Ambas variables deben ser cualitativas en escala nominal. El requisito de aplicación deber ser que ninguno de los valores esperados sea menor que 5. No se debe aplicar cuando la variable dependiente (la que se coloca en las columnas de la tabla de contingencia) es ordinal. No se aplicaría por ejemplo, si se desea comparar la proporción de ocurrencia de cáncer de pulmón entre tres grupos de fumadores clasificados según el nº de cigarrillos (<5, 5-19 y >0) 07. Inferencia paramétrica: relación entre dos variables cualitativas 5-10
6 . Metodología en Salud Pública Veamos los pasos que debemos seguir para realizar este test con el siguiente ejemplo. Ejemplo 7.: Se realiza un estudio sobre el cáncer de piel en ancianos y su relación con el hábito de fumar. Suponemos que hubo 15 casos de cáncer en un total de 35 fumadores y 10 casos de cáncer entre un total de 50 no fumadores. Si planteamos la Hipótesis nula de nuestro estudio sería que la proporción de cáncer de piel en ancianos será la misma en los dos grupos, fumadores y no fumadores. Es decir, que la incidencia de cáncer es la misma en los expuestos al tabaco que en los no expuestos. La Hipótesis alternativa sería que las proporciones de los que desarrollan cáncer son distintas entre fumadores y no fumadores. H 0: H 1: fumadores no fumadores fumadores no fumadores Los valores observados quedan reflejados en la siguiente tabla x: Calculamos los valores esperados partiendo de la tabla anterior pero sólo con los valores totales de las filas y las columnas (a estos valores totales se les llama en estadística marginales ). Se multiplica el total de la fila por el total de la columna y se divide por el total de observaciones. ESPERADOS FUMA NO FUMA TOTAL CÁNCER (35x5) / 85=10,3 (50x5) / 85=14,7 5 NO CÁNCER 4,7 35,3 60 TOTAL Como la proporción total de cáncer = 5/85 =9.4%, el número de cánceres esperados entre los fumadores será igual a 0.94 x 35 =10,3. Obtenido este esperado y considerando fijos los valores marginales, ya no queda libertad para cambiar más datos (esto es lo que se entiende como tener 1 solo grado de libertad). 07. Inferencia paramétrica: relación entre dos variables cualitativas 6-10
7 . Metodología en Salud Pública De manera que, pueden calcularse los otros 3 esperados mediante restas con el total de la respectiva fila o columna: 5-10,3 =14,7 no fumadores con cáncer 35-10,3 =4,7 fumadores sin cáncer 60-4,7 =35,3 no fumadores sin cáncer Calculamos el valor de la ji cuadrado: (15 10,3) 10,3 (10 14,7) 14,7 (0 4,7) 4,7 (40 35,3) 35,3 5,16 Los grados de libertad, se calculan de forma general de la siguiente forma: En nuestro caso, g.l.= (-1) (-1)=1 g.l.= (columnas-1) (filas-1) Consultamos en la tabla 5 de la Ji Cuadrado si un valor de 5,16 es significativo para 1 grado de libertad (figura 7.): X,71 3,84 5,0 6,63 p 0,10 0,05 0,05 0,01 Conclusión: Figura 7. Como el valor calculado ji-cuadrado =5,16 está entre ji-cuadrado 1; 0.05= 5,0 y jicuadrado 1; 0.01=6,63, podemos afirmar que la diferencia es estadísticamente significativa, tenemos evidencias para rechazar la H 0 ya que le corresponde un valor p < 0,05. Podemos decir que existe una asociación estadísticamente significativa entre ser fumador y la incidencia de cáncer de piel en ancianos (se puede afirmar que existen evidencias de un mayor riesgo de cáncer de piel entre fumadores) Test exacto de Fisher No vamos a entrar en el desarrollo del test exacto de Fisher ya que tiene las mismas utilidades que la ji cuadrado en tablas de contingencia. Aplicaremos el test exacto de Fisher en vez de la ji cuadrado cuando uno de los valores esperados es menor que 5. 5 Una alternativa es usar Excel, que con la expresión =DISTR.CHI (valor de chi; grados de libertad) nos devuelve el valor p. 07. Inferencia paramétrica: relación entre dos variables cualitativas 7-10
8 . Metodología en Salud Pública Realmente, el test exacto de Fisher no tiene requisitos de aplicación. Por tanto, al ser un método más exacto, siempre se puede utilizar para comparar proporciones (incluso cuando todos los valores esperados sean iguales o superiores a 5). Cuando se pida a SPSS una ji cuadrado para una tabla x, siempre calculará el test exacto de Fisher, que es válido siempre en este tipo de tablas. Además, SPSS nos señalará siempre cuántas casillas tienen una frecuencia esperada inferior a 5. En las tablas que tengan más de cuatro casillas, al menos el 80% de los valores esperados deben ser superiores o iguales a 5. Cálculo de la ji cuadrado con SPSS para tablas x: Se selecciona Analizar / Estadísticos descriptivos / Tablas de contingencia y dentro del botón Estadísticos seleccionamos Chi-cuadrado. Figura Inferencia paramétrica: relación entre dos variables cualitativas 8-10
9 . Metodología en Salud Pública Figura 7.5 Utilizaremos el estadístico chi cuadrado si queremos determinar si el tratamiento al que son sometidos los pacientes tras diagnosticarles un tumor, está relacionado con el sexo. 07. Inferencia paramétrica: relación entre dos variables cualitativas 9-10
10 . Metodología en Salud Pública Interpretación: Dentro de la tabla de contingencia aparecen los valores observados para cada combinación. Como veis aparecen también los marginales (suma por filas, columnas y total). En la segunda tabla, la primera ji cuadrado que aparece es la de Pearson (0,040). Como ya hemos comentado SPSS ofrece también el test exacto de Fisher. Todas las pruebas de significación estadística con ji cuadrado son aproximadas, es decir, se aproximan tanto mejor a la exactitud cuanto mayor es el tamaño de la muestra. En cambio, el test de Fisher es exacto, por eso los valores p aparecen en una columna distinta para el test de Fisher. El programa también nos da el mínimo de los valores esperados (,41).Si algún valor esperado en una tabla x es inferior a 5 no sirve la ji cuadrado, en ese caso utilizaríamos el test exacto de Fisher. Conclusión: al usar la ji cuadrado (p=0,84 > 0,05) no rechazaremos H 0, luego no existe relación significativa entre el tratamiento al que son sometidos los pacientes y el sexo. 07. Inferencia paramétrica: relación entre dos variables cualitativas 10-10
CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA
Página 1 de 5 CAPÍTULO 4 (Continuación): ESTADÍSTICA DESCRIPTIVA BIVARIADA Descripción entre variables cualitativas Como ya sabemos la metodología estadística depende del tipo de variable(s) que estemos
Más detallesINFERENCIA ESTADÍSTICA. Metodología de Investigación. Tesifón Parrón
Metodología de Investigación Tesifón Parrón Contraste de hipótesis Inferencia Estadística Medidas de asociación Error de Tipo I y Error de Tipo II α β CONTRASTE DE HIPÓTESIS Tipos de Test Chi Cuadrado
Más detallesDISTRIBUCIONES BIDIMENSIONALES
La estadística unidimensional estudia los elementos de un conjunto de datos considerando sólo una variable o característica. Si ahora incorporamos, otra variable, y se observa simultáneamente el comportamiento
Más detallesPRUEBA CHI-CUADRADO. Para realizar un contraste Chi-cuadrado la secuencia es:
PRUEBA CHI-CUADRADO Esta prueba puede utilizarse incluso con datos medibles en una escala nominal. La hipótesis nula de la prueba Chi-cuadrado postula una distribución de probabilidad totalmente especificada
Más detallesPruebas de Hipótesis-ANOVA. Curso de Seminario de Tesis Profesor QF Jose Avila Parco Año 2016
Pruebas de Hipótesis-ANOVA Curso de Seminario de Tesis Profesor Q Jose Avila Parco Año 2016 Análisis de la Varianza de un factor (ANOVA) El análisis de la varianza (ANOVA) es una técnica estadística paramétrica
Más detallesDISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X 2 CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo):
DISTRIBUCIÓN CHI-CUADRADO O JI-CUADRADO X CONCEPTO BÁSICO Frecuencia: es el número de datos que caen en cada celda. Frecuencias Observadas (fo): son aquellas que representan los valores muestrales observados
Más detallesCONTRASTES NO PARAMÉTRICOS
CONTRASTES NO PARAMÉTRICOS Contenidos Encuestas 75 Comprobación de supuestos 79 Pruebas no Paramétricas en el SPSS 80 Contrastes para 2 muestras independientes 81 Contrastes para varias muestras independientes
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
Más detallesAnálisis descriptivo con SPSS. Favio Murillo García
Análisis descriptivo con SPSS Favio Murillo García Tablas de contingencia Cuando se trabaja con variables categóricas, los datos suelen organizarse en tablas de doble entrada en las que cada entrada representa
Más detallesTema: Medidas de Asociación con SPSS
Tema: Medidas de Asociación con SPSS 1.- Introducción Una de las tareas habituales en el análisis de encuestas es la generación y análisis de tablas de contingencia, para las variables y categorías objetivo
Más detallesPrincipios de Bioestadística
Principios de Bioestadística Dra. Juliana Giménez www.cii.org.ar Nos permite Llegar a conclusiones correctas acerca de procedimientos para el diagnostico Valorar protocolos de estudio e informes Se pretende
Más detalles9.- Análisis estadísticos con R Commander
Tipos de datos - Cuantitativos: se expresan numéricamente. - Discretos: Toman valores numéricos aislados - Continuos: Toman cualquier valor dentro de unos límites dados - Categóricos o Cualitativos: No
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesEl Análisis de Correspondencias tiene dos objetivos básicos:
Tema 8 Análisis de correspondencias El Análisis de Correspondencias es una técnica de reducción de dimensión y elaboración de mapas percentuales. Los mapas percentuales se basan en la asociación entre
Más detallesPasos. i Aplicar la prueba X 2 para determinar la significación estadística de las proporciones entre ambas variables (no son iguales)
Relación entre variables cualitativas Pasos Construir una tabla de contingencia Crear una tabla con las frecuencias esperadas f ei (frecuencias teóricas en caso de que X e Y fueran independientes), calculadas
Más detallesEl análisis de correspondencias. Ana María López Jiménez Dept. Psicología Experimental (USE)
El análisis de correspondencias Ana María López Jiménez Dept. Psicología Experimental (USE) 4. El análisis de correspondencias 4.. Introducción 4.2. Tabla de correspondencias 4.3. Dependencia e independencia
Más detallesDISEÑOS EXPERIMENTALES DE DOS GRUPOS Y MULTIGRUPO
TEMA II ESQUEMA GENERAL Diseño experimental de dos grupos: definición y clasificación Formatos del diseño y prueba de hipótesis Diseño experimental multigrupo: definición Formato del diseño multigrupo
Más detallesInferencia Estadística
ESTADISTICA INFERENCIA ESTADÍSTICA. TITULO: AUTOR: Una corta introducción teórica de inferencia estadística Test o Pruebas de hipótesis CHI-CUADRADO. Ejercicios resueltos y propuestos JUAN VICENTE GONZÁLEZ
Más detallesCapítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias
Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesTema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos
Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.
Más detallesCapítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T
Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesEstadísticos Aplicados en el SPSS 2008
PRUEBAS ESTADISTICAS QUE SE APLICAN (SPSS 10.0) PARAMÉTRICAS:... 2 Prueba t de Student para una muestra... 2 Prueba t par muestras independientes... 2 ANOVA de una vía (multigrupo)... 2 ANOVA de dos vías
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesBIOSESTADÍSTICA AMIGABLE
BIOSESTADÍSTICA AMIGABLE EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 574.015195 MAR 2001 Vol. y/o Copia: Apellido Autor: Título: C. 1 (SEGÚN
Más detallesCONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS
CONTRASTES DE HIPÓTESIS NO PARAMÉTRICOS 1 POR QUÉ SE LLAMAN CONTRASTES NO PARAMÉTRICOS? A diferencia de lo que ocurría en la inferencia paramétrica, ahora, el desconocimiento de la población que vamos
Más detallesAnálisis de Datos Categóricos
Análisis de Datos Categóricos En el análisis de datos, a menudo nos encontramos con mediciones de respuestas que son de naturaleza categórica. Éstas respuestas reflejan información de categorías más que
Más detallesEstructura de este tema. Tema 3 Contrastes de hipótesis. Ejemplo
Estructura de este tema Tema 3 Contrastes de hipótesis José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis,
Más detallesPractica 1. Análisis de Tablas de Contingencia
Practica 1 A n á l i s i s d e T a b l a s d e C o n t i n g e n c i a Análisis de Tablas de Contingencia 1.- Partimos de dos variables, que suponemos relacionadas, entre las que examinaremos si existe
Más detallesCaso particular: Contraste de homocedasticidad
36 Bioestadística: Métodos y Aplicaciones 9.5.5. Caso particular: Contraste de homocedasticidad En la práctica un contraste de gran interés es el de la homocedasticidad o igualdad de varianzas. Decimos
Más detallesTema 7. Contrastes no paramétricos en una población
Tema 7. Contrastes no paramétricos en una población Resumen del tema 7.1. Introducción a la Estadística Inferencial. Estimación de parámetros Como ya sabemos, la Estadística estudia los métodos científicos
Más detallesR-commander. Manejo de datos y Estadística Básica. Pedro A. García Métodos Estadísticos con software libre R 1
R-commander Manejo de datos y Estadística Básica Pedro A. García Métodos Estadísticos con software libre R 1 Pedro A. García Métodos Estadísticos con software libre R 2 Pedro A. García Métodos Estadísticos
Más detallesINFERENCIA CON RECUENTOS
. INFERENCIA CON RECUENTOS PEDRO M. VALERO MORA Inferencia con Recuentos-Pedro M. Valero Mora 2009 1 Parte 1 Análisis con 1 variable 1.1. De dónde vienen las frecuencias?. 1.1. De dónde vienen las frecuencias?
Más detallesEstimación de Parámetros.
Estimación de Parámetros. Un estimador es un valor que puede calcularse a partir de los datos muestrales y que proporciona información sobre el valor del parámetro. Por ejemplo la media muestral es un
Más detallesMEDIDAS DE ASOCIACION
MEDIDAS DE ASOCIACION OBJETIVOS DE LA LECCION Que es asociación Identificar las medidas apropiadas para un diseño de estudio Construir tablas de contingencia Calcular e interpretar las medidas de asociación
Más detallesTema 5. Estadística descriptiva bivariable con variables categóricas y numéricas
Clase 5 Tema 5. Estadística descriptiva bivariable con variables categóricas y numéricas Relaciones entre variables categóricas La relación entre dos variables categóricas se analiza mediante una tabla
Más detallesFLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social
FLACSO / Facultad Latinoamericana de Ciencias Sociales Maestría en Ciencias Políticas & Sociología Metodología de la Investigación Social Unidad 3 - Clase 7 y 8 Concepto de covarianza, relaciones bivariadas
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Más detallesEstadística II Examen final enero 19/1/17 Curso 2016/17 Soluciones Duración del examen: 2 h y 15 min
Estadística II Examen final enero 19/1/17 Curso 016/17 Soluciones Duración del examen: h y 15 min 1. 3 puntos El Instituto para la Diversificación y Ahorro de la Energía IDAE ha publicado un estudio sobre
Más detalles1. La investigación en ciencias humanas y de la salud 2. Variables y su medida 3. Escalas de medida (EM) 4. Propiedades de las EM
TEMA I: Introducción a la Teoría de la Medición IMADIL 2013-2014 Ignacio Martín, José Luis Padilla 1 Índice 1. La investigación en ciencias humanas y de la salud 2. Variables y su medida 3. Escalas de
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesAnálisis Estadístico. Dra. Adela Del Carpio Rivera Doctor En Medicina
Análisis Estadístico Dra. Adela Del Carpio Rivera Doctor En Medicina ANTE LA GRAN CANTIDAD DE INFORMACIÓN Debemos saber discernir entre: Cuál es la información que necesitamos Si el estudio tiene real
Más detallesDISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II
DISEÑO Y ANÁLISIS DE DATOS EN PSICOLOGÍA II SOLUCIÓN PRACTICA 1 Problema 2-. Para una serie de investigaciones, en las que el tamaño de la muestra era el mismo, se ha calculado la t de Student con objeto
Más detallesTema 6: Introducción a la inferencia estadística Parte 1
Tema 6: Introducción a la inferencia estadística Parte 1 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región
Más detallesANOVA. Análisis de la Varianza. Univariante Efectos fijos Muestras independientes
ANOVA Análisis de la Varianza Univariante Efectos fijos Muestras independientes De la t a la F En el test de la t de Student para muestras independientes, aprendimos como usar la distribución t para contrastar
Más detallesTema 13: Contrastes No Paramétricos
Tema 13: Contrastes No Paramétricos Presentación y Objetivos. La validez de los métodos paramétricos depende de la validez de las suposiciones que se hacen sobre la naturaleza de los datos recogidos. La
Más detallesEstrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis
Estrategia de análisis estadístico de los datos. Inferencia Estadística y contraste de hipótesis VDC Prof. Mª JOSÉ PRIETO CASTELLÓ MÉTODOS ESTADÍSTICOS. TÉCNICAS ESTADÍSTICA DESCRIPTIVA TEORÍA DE LA PROBABILIDAD
Más detallesPráctica 5 ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS
Práctica. Intervalos de confianza 1 Práctica ANÁLISIS DE UNA MUESTRA INTERVALOS DE CONFIANZA CONTRASTE DE HIPÓTESIS Objetivos: Ilustrar el grado de fiabilidad de un intervalo de confianza cuando se utiliza
Más detallesTema B6. Tablas de contingencia. Ejemplo
Ejemplo En esta tabla se representan los mismos datos que en la tabla anterior, pero en términos de frecuencias ( recuento ) Para simplificar la tabla vamos a agrupar variables 1. Juntamos las personas
Más detallesTema 8: Contrastes de hipótesis
Tema 8: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesMétodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández
Métodos de Investigación en Psicología (11) Dra. Lucy Reidl Martínez Dra. Corina Cuevas Reynaud Dra. Renata López Hernández El método incluye diferentes elementos Justificación Planteamiento del problema
Más detallesMANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL
MANEJO DE VARIABLES EN INVESTIGACIÓN CLÍNICA Y EXPERIMENTAL Israel J. Thuissard David Sanz-Rosa IV JORNADAS INVESTIGACIÓN COEM UNIVERSIDADES 4 de marzo de 2016 Escuela de Doctorado e Investigación. Vicerrectorado
Más detallesA. PRUEBAS DE BONDAD DE AJUSTE: B.TABLAS DE CONTINGENCIA. Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords
A. PRUEBAS DE BONDAD DE AJUSTE: Chi cuadrado Metodo G de Fisher Kolmogorov-Smirnov Lilliefords B.TABLAS DE CONTINGENCIA Marta Alperin Prosora Adjunta de Estadística alperin@fcnym.unlp.edu.ar http://www.fcnym.unlp.edu.ar/catedras/estadistica
Más detallesEstadística Descriptiva. Poblaciones y muestras.
Estadística Descriptiva. Poblaciones y muestras. fgarcia@cipf.es CIPF s Research Development Programme Indice 1 Introducción 2 3 Análisis Estadístico Población y muestra Software estadístico CIPF s Research
Más detallesContrastes de Hipótesis paramétricos y no-paramétricos.
Capítulo 1 Contrastes de Hiptesis paramétricos y no-paramétricos. Estadística Inductiva o Inferencia Estadística: Conjunto de métodos que se fundamentan en la Teoría de la Probabilidad y que tienen por
Más detallesPráctica 4. Contraste de hipótesis
Práctica 4. Contraste de hipótesis Estadística Facultad de Física Objetivos Ajuste a una distribución discreta uniforme Test χ 2 Comparación de muestras Ajuste a una distribución normal 1 Introducción
Más detallesUnidad IV: Distribuciones muestrales
Unidad IV: Distribuciones muestrales 4.1 Función de probabilidad En teoría de la probabilidad, una función de probabilidad (también denominada función de masa de probabilidad) es una función que asocia
Más detallesEstudio del consumo y los precios al consumo de Frutas y Hortalizas
Conseería de Agricultura y Pesca Estudio del consumo y los precios al consumo de Frutas y Hortalizas Aspectos Metodológicos Marzo 008 Versión 1 SECRETARÍA GENERAL DE AGRICULTURA, GANADERÍA Y DESARROLLO
Más detalles478 Índice alfabético
Índice alfabético Símbolos A, suceso contrario de A, 187 A B, diferencia de los sucesos A y B, 188 A/B, suceso A condicionado por el suceso B, 194 A B, intersección de los sucesos A y B, 188 A B, unión
Más detallesEstadística II Examen final junio 27/6/17 Curso 2016/17 Soluciones
Estadística II Examen final junio 27/6/7 Curso 206/7 Soluciones Duración del examen: 2 h y 5 min. (3 puntos) Los responsables de un aeropuerto afirman que el retraso medido en minutos en el tiempo de salida
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesTema 7. Introducción Metodología del contraste de hipótesis Métodos no paramétricos
7-1 Tema 7 Contrastes de Hipótesis para una Muestra Introducción Metodología del contraste de hipótesis Métodos no paramétricos Test binomial Test de los signos Test de rango con signos de Wilcoxon Test
Más detallesAsociación de variables cualitativas: El test exacto de Fisher y el test de McNemar
Investigación Asociación de variables cualitativas: El test exacto de Fisher y el test de McNemar CAD. ATEN. PRIMARIA 2004; 11: 304-308 Pértega Díaz, S. 1 ; Pita Fernández, S. 2 1. Unidad de Epidemiología
Más detallesESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA
www.jmontenegro.wordpress.com UNI ESTIMACIÓN Y PRUEBA DE HIPÓTESIS INTERVALOS DE CONFIANZA PROF. JOHNNY MONTENEGRO MOLINA Objetivos Desarrollar el concepto de estimación de parámetros Explicar qué es una
Más detallesImpacto del MÁSTER EN DIRECCIÓN DE COMERCIO INTERNACIONAL sobre la formación y el empleo. Metodología del estudio
Impacto del MÁSTER EN DIRECCIÓN DE COMERCIO INTERNACIONAL sobre la formación y el empleo Metodología del estudio : objetivos del estudio, contenidos del cuestionario utilizado, ficha técnica y técnicas
Más detalles4.2 Conceptos básicos de Estadística II
UNEDENSISCIII Unidades Docentes de la Escuela Nacional de Sanidad 4.2 Conceptos básicos de Estadística II Métodos para el estudio de la Proporción de individuos que presentan una determinada característica
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 6. Prueba de hipótesis Facultad de Ciencias Sociales, UdelaR Índice 1. Introducción: hipótesis estadística, tipos de hipótesis, prueba de hipótesis 2.
Más detallesLa distribucion de preferencias de colores es la misma tanto para personas de distinto nivel socioeconómico.
ANEXO - PRUEBAS DE ASOCIACION A.1 Pruebas de asociacion Este tipo de pruebas testea la hipotesis nula que 2 factores (o atributos) no se encuentran asociados, respecto de la hipotesis alternativa que si
Más detalles: Andrea Canals/ Catalina Canals Año Académico : 2017 P R O G R A M A
1 ASIGNATURA : Estadística Requisito : Matemática 2 Profesores : Andrea Canals/ Catalina Canals Año Académico : 2017 Carácter : Semestral Clases Teóricas : 3 horas Ayudantía : 1,5 horas P R O G R A M A
Más detallesBLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN
BLOQUE 3 TEMA 11 ESTIMACIÓN DE PARÁMETROS. ERRORES DE ESTIMACIÓN Aproximación intutitiva a la inferencia estadística La Estadística es la ciencia que se ocupa de la ordenación y análisis de datos procedentes
Más detallesESTADÍSTICA APLICADA. Tema 3: Contrastes de hipótesis
ESTADÍSTICA APLICADA Grado en Nutrición Humana y Dietética Tema 3: Contrastes de hipótesis Qué es un contraste de hipótesis? Elementos de un contraste: hipótesis, tipos de error, nivel de significación,
Más detallesa. Poisson: los totales marginales y el total muestral varían libremente.
TEMA 2º: TABLAS DE CONTINGENCIA BIDIMENSIONALES 1º Distribución de frecuencias observadas El único aspecto cuantificable en el análisis cualitativo es el número de individuos que presenta una combinación
Más detallesInferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos
Inferencia Estadística. Pruebas paramétricas y no paramétricas. Análisis de datos VDC Prof. Mª JOSÉ PRIETO CASTELLÓ ANÁLISIS ESTADÍSTICO DE DATOS Estadística Descriptiva: -Cualitativas: frecuencias, porcentajes
Más detallesTema 5.5: Contrastes de hipótesis
Tema 5.5: Contrastes de hipótesis 1. Qué es un contraste de hipótesis? 2. Elementos de un contraste: hipótesis nula y alternativa, tipos de error, nivel de significación, región crítica 3. Contrastes para
Más detallesTema 10: Introducción a los problemas de Asociación y Correlación
Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesInferencias sobre proporciones
7 Inferencias sobre proporciones En este breve capítulo se van a presentar un par de procedimientos que son útiles cuando trabajamos con variables cualitativas u ordinales con pocos niveles. En ambos casos
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesPRÁCTICA 3. REGRESIÓN LINEAL SIMPLE CON SPSS Ajuste de un modelo de regresión lineal simple Porcentaje de variabilidad explicado
PÁCTICA 3. EGESIÓN LINEAL SIMPLE CON SPSS 3.1. Gráfico de dispersión 3.2. Ajuste de un modelo de regresión lineal simple 3.3. Porcentaje de variabilidad explicado 3.4 Es adecuado este modelo para ajustar
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesestadística aplicada a la gastronomía
estadística aplicada a la gastronomía CONTENIDO 4 6 14 18 30 objetivos unidad 1 unidad 2 unidad 3 unidad 4 OBJETIVOS GENERALES Ser capaz de reflexionar de forma crítica sobre los datos que se le presenten
Más detallesAYUDA SPSS. TABLA DE CONTINGENCIA y PRUEBA CHI CUADRADO
Ayuda SPSS_Tabla de Contingencia/Prueba Chi Cuadrado AYUDA SPSS TABLA DE CONTINGENCIA y PRUEBA CHI CUADRADO Menú Analizar > Estadísticos Descriptivos>Tablas de Contingencia > Botón Estadísticos > Tildar
Más detallesTema 15: Contrastes de hipótesis sobre algunos parámetros
ema 15: Contrastes de hipótesis sobre algunos parámetros 1. CORASE DE HIPÓESIS SOBRE LA MEDIA, Conocida Desconocida. CORASE DE HIPÓESIS SOBRE LA CORRELACIÓ, Bibliografía: ema 15 (págs. 379-4) Ejercicios
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesTEMA 2 Diseño de experimentos: modelos con varios factores
TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial
Más detallesASIGNATURA DE MÁSTER: BIOESTADÍSTICA
ASIGNATURA DE MÁSTER: BIOESTADÍSTICA Curso 2015/2016 (Código:21153032) 1.PRESENTACIÓN Con esta asignatura el lector podrá entender y explicar mejor los fenómenos naturales; incluso podrá hacer predicciones.
Más detallesTécnicas de Inferencia Estadística II. Tema 3. Contrastes de bondad de ajuste
Técnicas de Inferencia Estadística II Tema 3. Contrastes de bondad de ajuste M. Concepción Ausín Universidad Carlos III de Madrid Grado en Estadística y Empresa Curso 2010/11 Tema 3. Contrastes de bondad
Más detallesUNIVERSIDAD DE ANTIOQUIA FACULTAD NACIONAL DE SALUD PÚBLICA Héctor Abad Gómez ldbello@saludpublica.udea.edu.co Facultad Nacional de Salud Pública Héctor Abad Gómez www.leondariobello.com www.ciemonline.info/moodle
Más detallesSeminari 3. Estadística CP
Seminari 3. Estadística CP Problema 1 - Solució. a) Estos datos describen a 5375 estudiantes, de los cuales 1004 fumadores y 4371 no fumadores. Para obtener estos números tenemos que completar la tabla
Más detallesU ED Tudela Diseños de Investigación y Análisis de Datos - Tema 7
Diseños de Investigación y Análisis de Datos Preguntas de exámenes TEMA 7: A OVA PARA MUESTRAS I DEPE DIE TES (2 FACTORES) 1.- Se dice que un diseño bifactorial es equilibrado si: A) Los grupos tienen
Más detallesINFERENCIA PARAMÉTRICA: RELACIÓN ENTRE VARIABLES CUALITATIVAS Y CUANTITATIVAS
INFERENCIA PARAMÉTRICA: RELACIÓN ENTRE VARIABLES CUALITATIVAS Y CUANTITATIVAS Autor: Clara Laguna 8.1 INTRODUCCIÓN Cuando hablamos de la estimación de una media (intervalos de confianza) en el tema 5,
Más detalles2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS)
2. EL DISEÑO UNIFACTORIAL (COMPARACION DE TRATAMIENTOS) La idea principal en este capitulo es el inicio a planear los diseño experimentales y su correspondiente análisis estadístico. En este caso iniciaremos
Más detallesESTADÍSTICA CICLO 6 CAPACITACIÓN 2000
INTRODUCCIÓN La estadística día a día esta ocupando un lugar importante en nuestra sociedad colaborando así al progreso humano y su bienestar. Aunque en sus comienzos era aplicada únicamente a asuntos
Más detallesINFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS
INFERENCIA ESTADÍSTICA: CONTRASTES DE HIPÓTESIS Autor: Clara Laguna 6.1 INTRODUCCIÓN En el tema anterior estudiamos cómo a partir de una muestra podemos obtener una estimación puntual o bien establecer
Más detallesDIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN
DIFERENCIAS EN LA UTILIZACIÓN DE LA BIBLIOTECA DEL IIESCA ANTE UN CAMBIO DE INFORMACIÓN Beatriz Meneses A. de Sesma * I. INTRODUCCIÓN En todo centro educativo, es de suma importancia el uso que se haga
Más detallesTitulación(es) Titulación Centro Curso Periodo Grado de Fisioterapia FACULTAT DE FISIOTERÀPIA 1 Primer cuatrimestre
FICHA IDENTIFICATIVA Datos de la Asignatura Código 33005 Nombre Estadística Ciclo Grado Créditos ECTS 6.0 Curso académico 2016-2017 Titulación(es) Titulación Centro Curso Periodo 1202 - Grado de Fisioterapia
Más detallesEJERCICIO PROPUESTO CHI-CUADRADO O BONDAD DE AJUSTE
EJERCICIO PROPUESTO CHI-CUADRADO O BONDAD DE AJUSTE 1. Digamos que 900 estudiantes expresan su voluntad por celebrar el aniversario de la institución organizando uno de dos eventos: una acto solemne en
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesInformación general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detalles