Repaso de los conceptos básicos del análisis del tamaño de la muestra para datos cualitativos (variables discretas)
|
|
- José Rivero Vidal
- hace 7 años
- Vistas:
Transcripción
1 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 1 CALCULO DEL TAMAÑO DE LA MUESTRA ESTUDIOS DE VARIABLES CONTINUAS En clases previas hemos analizado en detalle los fundamentos para el cálculo del tamaño de la muestra en forma general y desarrollado en particular el cálculo para estudios de variables discretas o proporciones. En esta clase nos dedicaremos al cálculo del tamaño de la muestra para estudios cuyos puntos finales son variables continuas. Repaso de los conceptos básicos del análisis del tamaño de la muestra para datos cualitativos (variables discretas) En el cálculo para variables discretas en dos grupos, por ejemplo efectos de una medicación sobre la mortalidad, en forma conceptual observamos que el número de pacientes a incluir por grupo dependía del poder que deseábamos aplicar en el estudio, del error alfa y de la diferencia real esperada entre la prevalencia del evento en ambos grupos. p1 es la probabilidad de eventos en el grupo 1 y p2 la probabilidad de eventos en el grupo 2. N = (p1*q1) + (p2*q2) (p2-p1) 2 x f (α, β) El factor f (α,β) surge de la tabla: Beta ALFA 0,05 0,1 0,2 0,5 0,1 10,8 8,6 6,2 2,7 0, ,5 7,9 3,8 0,02 15, ,4 0,01 17,8 14,9 11,7 6,7 Recordemos algunos aspectos conceptuales 1) Utilizar un error alfa de 0,01 exigía un número de pacientes un 40% superior a utilizar un error alfa de 0,05. 2) Asumir un error beta de 0,1 (poder 90%) requería un número de pacientes casi tres veces superior que con un error del 0,5, poder 50%. 3) El número de pacientes a incluir dependía en forma muy directa de la diferencia esperada entre ambos grupos, en forma exponencial. De tal manera que una reducción de la diferencia a la mitad exigía un número de pacientes multiplicado por cuatro. Por ejemplo, esperar una reducción de la mortalidad del 20 al 15% (-5%) requería cuatro veces menos pacientes que una reducción del 20 al 17,5% (-2,5%).
2 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 2 Análisis del tamaño de la muestra para datos cuantitativos Comparación de grupos independientes Es muy frecuente en los ensayos clínicos comparar niveles de glucemia, presión arterial, frecuencia cardíaca, peso corporal, entre diferentes grupos o intervenciones. Para el cálculo en este caso asumiremos que los datos a analizar tienen distribución gaussiana. Para ir desarrollando el tema seguiremos un ejemplo. Se desean comparar dos grupos de pacientes que serán tratados con dos medicaciones hipoglucemiantes. Se espera que en un grupo luego del tratamiento la glucemia alcanzada sea de 110mg% y con el nuevo tratamiento de aproximadamente 100mg%. La glucemia de la población se espera que será de 105 ± 20 mg%. En forma conceptual y similar al análisis de datos cualitativos, 1) el número de pacientes requeridos aumentará siempre que se establezca un error alfa más pequeño o un mayor poder. 2) el número será menor cuanto mayor sea la diferencia que suponemos ejercerá la intervención respecto del grupo control o placebo. La hipótesis de nulidad en los análisis de datos cuantitativos con grupos independientes establece que la media del grupo 1 no es diferente de la media del grupo 2, H 0 : µ 1 = µ 2, y el análisis estadístico, como hemos explicado en las clases anterior, consiste en comparar la distancia entre las medias en términos de errores estándar (de la distribución de t para grupos pequeños o de Z para estudios de mayores dimensiones). El error standard de la media se calcula para datos cuantitativos con la siguiente fórmula : ES = DS/ n, y en el caso de la comparación de grupos, la fórmula a utilizar para estimar la t o Z requiere un cálculo conjunto del error estándar para ambos grupos ES = ds (1/N1)+(1/N2) La t se calcula t = (X 1 - X 2)/ES o en forma más desplegada t = (X 1 - X 2)/ds (1/N1)+(1/N2) Despejando las N, para el cálculo del tamaño de la muestra para datos cuantitativos surge la fórmula 2N = 4(f (α, β)) ds 2 ( X 1 - X 2) 2 2N indica el total sumando ambos grupos de tratamiento; si se busca N, es decir el tamaño por grupo, en la igualdad se reemplaza el 4 por un 2.
3 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 3 o expresado en términos más estadísticos 2N = 4(f (α, β)) σ 2 δ 2 En resumen, que el número de pacientes necesarios será directamente proporcional al desvío standard del parámetro a evaluar ( en este caso glucemia) e inversamente proprcional a la diferencia entre las medias de los grupos luego del tratamiento, es decir, el punto final que se desea evaluar. El valor de f (α, β) surge de la tabla anterior y está en relación con el error alfa y error beta establecidos para este cálculo. Para cualquier valor de f (α, β) el número de pacientes dependerá entonces de la relación entre el desvío standard de las muestras σ y la diferencia entre las medias δ. Expresado en términos más familiares, cuanto mayor sea la dispersión de los datos mayor número de pacientes requeriremos para demostrar que una diferencia es signficativa. Una forma gráfica y útil de expresar esta relación es la llamada diferencia estandarizada (standardized difference), δ/σ, el cociente entre el desvío standard y la diferencia. Esto puede expresarse también como contestando a la pregunta: cuántos desvíos standard abarca la diferencia que se pretende encontrar. En este caso habíamos establecido que el desvío estándar es de 20mg% y la diferencia a encontrar de 10 mg%, de tal manera que el cociente δ/σ es 10/20 = 0,5. A mayor diferencia entre las medias y menor desvío standard menor será el número de pacientes que se requerirán. Es decir, que cuanto más alto sea el cociente menor número de pacientes deberán incluirse. Por contrario a mayor desvío standard y menor diferencia entre las muestras mayor será el número de pacientes requeridos. En la tabla resumimos un ejemplo del número total de pacientes (abarcando ambos grupos) asumiendo un error alfa de 0,05 y un error beta de 0,1, es decir, un poder de 90%. El f (α, β) en este caso es 10,5. N total de pacientes Diferencia entre medias Desvío Standard , , , , , , , , , ,1 Cociente δ/σ
4 Cálculo del tamaño de la muestra datos cuantitativos - Hoja ,05 Observamos que el número de pacientes aumenta exponencialmente cuando la diferencia entre las medias disminuye, es decir, cuando el cociente entre dif medias/ds se reduce. Este cálculo exige el mismo número de pacientes independiente de los valores absolutos de diferencia entre las medias y desvío standard, es decir el mismo número de pacientes se requiere para detectar una diferencia de 0,5 si el DS es 1 que de 50 si el DS es 100, o como en el caso de la glucemia, si la diferencia es 10 y el DS es 20. En la figura 1 se resume la relación entre el cociente y el número de pacientes necesarios para toda la gama de cocientes, y en la figura 2 restringido a cocientes entre 1 y 0,2. En ambas figuras se asume α= 0,05 y β = 0,1, poder 09 o 90%. Figura 1 N p a c i e n t e s d e a c u e r d o a l a r e l a c i ó n e n t r e D S y D i f e r e n c i a e n t r e m e d i a s N de pacientes ,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,05 R e l a c i ó n D S / d i f e r e n c i a m e d i a s Figura 2 N ú m e r o d e p a c i e n t e s y r e l a c i ó n D S / d i f m e d i a s n de pacientes , 9 0, 8 0, 7 0, 6 0, 5 0, 4 0, 3 0, 2 D S / d i f m e d i a s
5 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 5 Resumen del cálculo del tamaño de la muestra para variables continuas en dos grupos independientes: necesitamos 1) Como en todo cálculo del tamaño de la muestra, establecer el error alfa y el poder que pretendemos para el estudio. 2) Conocer el desvío standard del parámetro, que puede ser obtenido de una muestra previa o de la literatura 3) Establecer la diferencia entre las medias del parámetro de ambos grupos que consideramos de valor clínico. Con estos datos podemos hacer el cálculo utilizando las fórmulas anteriores o cualquier programa que analice este aspecto, que nos requerirán la información de los puntos 1 a 3. Recordemos los datos de este caso: Desvío estándar de la glucemia 20, diferencia a encontrar 10, error alfa 0,05 y error beta 0,1, es decir, poder del 90%. Buscando en la tabla corresponde un factor (a,β) de 10,5. 2N = 4(f (α, β)) ds 2 ( X 1 - X 2) 2 2N indica el total sumando ambos grupos de tratamiento; si se busca N, es decir el tamaño por grupo, en la igualdad se reemplaza el 4 por un 2. 2N = 4 *(10,5) * 20 2 = 16800/100 = 168 pacientes. (10) 2 Es decir, que deberíamos incluir 84 pacientes en cada grupo de tratamiento para poder obtener una evaluación adecuada de nuestra hipótesis. Puede ser útil como mnemotecnia recordar que para un estudio con error alfa de 0,05 y poder 90%, convencional, si la relación entre la diferencia esperada entre las medias y el Desvío standard es de 1, el número de pacientes será de 42 en total, si la relación es de 0,5 (como en el ejemplo de la glucemia) se cuadruplica, 168, y si la relación es de 0,25, es decir la diferencia es una cuarta parte del desvío standard, el número requerido es cuatro veces mayor que el anterior, 673. Cabe aclarar que el número exacto del tamaño de la muestra no es idéntico con diferentes programas, debido a que las fórmulas utilizadas o los modelos pueden variar, pero la discrepancia es muy pequeña.
6 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 6 Comparación de tratamientos apareados El análisis de datos apareados, es decir, utilizando al propio individuo como control en diferentes instancias, por ejemplo antes y después de una intervención, permite eliminar las variaciones individuales y muchas covariables y de tal manera requiere un menor número de pacientes. Recordamos que el cálculo de t o Z para datos apareados se efectúa t = media de la diferencia/error standard de la diferencia t= d /ES ES = DS de la diferencia/ N Reemplazando en la fórmula anterior: d = diferencia promedio t = d/(ds/ N) Para obtener el cálculo de la muestra se utiliza la ecuación N = f (α, β) * (ds dif) 2 (Media dif) 2 En términos más estadísticos N = f (α, β) * σ d 2 δ d 2 Es decir, que para poder calcular el tamaño de la muestra para datos apareados, se requiere 1) un error alfa y un error beta asumidos 2) la media de la diferencia δ d que esperamos encontrar, (que puede surgir de una estimación clínica o de datos previos), 3) el desvío estándar de la diferencia, σ d que es en realidad muy difícil de estimar a priori salvo que existan experiencias anteriores. Tomemos un ejemplo: Se espera reducir la presión arterial en 15 mmhg y se supone que el desvío estándar de la diferencia será de 20 mmhg. Asumiendo un poder del 90% y un error alfa de 0,05, el f (a, β) es de 10,5. Reemplazamos en la fórmula: N = 10,5 * 20 2 / 15 2 = 4200/225 = 18,7 = 19 pacientes en total.
7 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 7 Para similar reducción de la presión arterial y un desvío estándar de 30 mmhg N = 9450/225 = 42 pacientes. Ajustes para el cálculo del tamaño de la muestra de acuerdo a la expectativa de incumplimiento en el tratamiento En estudios que exigen un seguimiento prolongado es común que un número de pacientes suspenda el tratamiento (denominados drop-out) y si el tratamiento es común, un grupo sea tratado con la droga o similares por problemas clínicos (drop-in). Por ejemplo, en el estudio comparativo de drogas hipolipemiantes luego de un evento coronario agudo, puede ocurrir que un 5% requiera la suspensión de la medicación por intolerancia (drop-out) y un 10% de los pacientes del grupo placebo sean "cruzados" a tratamiento con fármacos hipolipemiantes por criterio de los médicos de cabecera (drop-in). Ambas intervenciones disminuyen la posibilidad de encontrar una diferencia entre la droga y el placebo. Se ha propuesto una fórmula sencilla para estimar la corrección de la muestra de acuerdo a la tasa esperada de interrupción de tratamientos y cruzamientos no contemplados en el protocolo. Denominamos a la tasa de drop-out Ro y a la tasa de drop-in Ri, y dado un N previsto de pacientes, se calcula un factor de multiplicación Factor de multiplicación = 1/(1- Ro - Ri) En el ejemplo anterior Factor de multiplicación = 1/ (1-0,05-0,1) 2 = 1/0,72 = 1,38 Esto implica que el N inicial calculado debe multiplicarse por el Factor 1,38, es decir, ser incrementado en un 38%. Existen fórmulas más detalladas para el cálculo que corrigen la tasa de eventos esperada en cada grupo de acuerdo a los hipotéticos cruzamientos o intervenciones, pero esta aproximación sencilla puede dar una orientación general. En la tabla se observa la corrección necesaria del N inicial de 1000 pacientes de acuerdo a una tasa creciente de suspensión de tratamiento (drop-outs, Ro) con un nivel fijo de cruzamiento (drop-in, Ri). Una tasa de suspensión precoz del tratamiento del 10% sin cruzamientos, o combinada 5% y 5%, induce un aumento del número de pacientes en 24%. N original Ro Ri Factor Número corregido ,05 0,05 1, ,075 0,05 1, ,1 0,05 1, ,125 0,05 1, ,15 0,05 1,
8 1000 0,175 0,05 1, ,2 0,05 1, ,225 0,05 1, ,25 0,05 2, Cálculo del tamaño de la muestra datos cuantitativos - Hoja 8
9 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 9 Apéndice: De donde surge el f (α, β) que utilizamos en la tabla? Ese factor surge de obtener de las tablas de Z los valores correspondientes a los errores alfa y beta preestablecidos, sumarlos, y elevarlos al cuadrado. f (α, β) = (Zα + Zβ) 2 Tabla de valores correspondientes de Z para diferentes poderes Error beta Poder Z del poder o Zβ 0,5 0,50 0 0,4 0,60 0,25 0,3 0,70 0,53 0,2 0,80 0,84 0,15 0,85 1,036 0,1 0,90 1,282 0,05 0,95 1,645 0,025 0,975 1,960 0,01 0,99 2,326 El poder es siempre de una cola, por eso Z 1,96 corresponde a poder 97,5% y para poder del 95% la Z es 1,64. Tabla de valores correspondientes de Z para diferentes niveles de error alfa alfa Z de alfa o Zα 1 Cola 2 Colas 0,1 1,282 1,645 0,05 1,645 1,96 0,025 1,96 2,240 0,01 2,326 2,576 Error beta 0,5 0,4 0,3 0,2 0,15 0,1 0,05 0,025 0,01 ZETA beta 0 0,25 0,53 0,84 1,036 1,282 1,645 1,96 2,326 Error alfa ZETA alfa f (α, β) = (Zα + Z β) 2 0,1 1,645 2,71 3,59 4,73 6,18 7,19 8,57 10,82 13,00 15,77 0,05 1,96 3,84 4,88 6,20 7,84 8,98 10,51 13,00 15,37 18,37 0,025 2,24 5,02 6,20 7,67 9,49 10,73 12,40 15,09 17,64 20,85 0,01 2,576 6,64 7,99 9,65 11,67 13,05 14,88 17,82 20,58 24,03 En negritas se resaltan los valores expresados en la tabla breve de la página 1. Bibliografía agregada para esta clase
10 Cálculo del tamaño de la muestra datos cuantitativos - Hoja 10 Friedman, L, Furberg C, y DeMets D. Fundamentals of clinical trials. 3ª edición. Springer. 1999
Cálculo del tamaño de la muestra
Cuantos pacientes necesitamos para demostrar... Un valor confiable (% o cuantitativo) Una diferencia confiable Entre proporciones Entre valores cuantitativos Entre eventos en el seguimiento Entre lo que
Más detallesEL CÁLCULO DE LA MUESTRA SE BASA EN EL DISEÑO DE ESTUDIO, MEDIANTE CARACTERÍSTICAS QUE SE CONOCEN EN LA POBLACIÓN
VALIDEZ INTERNA EL CÁLCULO DE LA MUESTRA SE BASA EN EL DISEÑO DE ESTUDIO, MEDIANTE CARACTERÍSTICAS QUE SE CONOCEN EN LA POBLACIÓN Existen fórmulas que nos permiten calcular la muestra en base a características
Más detallesDeterminación del tamaño de muestra (para una sola muestra)
STATGRAPHICS Rev. 4/5/007 Determinación del tamaño de muestra (para una sola muestra) Este procedimiento determina un tamaño de muestra adecuado para la estimación o la prueba de hipótesis con respecto
Más detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
Más detallesTeorema Central del Límite (1)
Teorema Central del Límite (1) Definición. Cualquier cantidad calculada a partir de las observaciones de una muestra se llama estadístico. La distribución de los valores que puede tomar un estadístico
Más detallesComparación de métodos de aprendizaje sobre el mismo problema
Comparación de métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación. Test de
Más detallesUniversidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre Profesor: Jaime Soto
Universidad Rafael Belloso Chacín (URBE) Cátedra: Fundamentos de Estadística y Simulación Básica Semestre 2011-1 Profesor: Jaime Soto PRUEBA DE HIPÓTESIS Ejemplo El jefe de la Biblioteca de la URBE manifiesta
Más detallesInferencia estadística. Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan
Inferencia estadística Hipótesis estadística Errores! y " BC. Nathalia Navarro Trevisan ESTADISTICA INFERENCIAL Permite obtener información de la población a través de una muestra Generalización de resultados
Más detallesUnidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11
Unidad Temática 2: Unidad 5 Estadística Inferencial Temas 10 y 11 Distribución de Probabilidad Recordamos conceptos: Variable aleatoria: es aquella que se asocia un número o un dato probabilístico, como
Más detallesDistribución Gaussiana o normal
FLUCTUACIONES ESTADÍSTICAS Los postulados fundamentales de la teoría estadística de errores establecen que, dado un conjunto de medidas, todas efectuadas en idénticas condiciones, suficientemente grande
Más detallesFormulario. Estadística Administrativa. Módulo 1. Introducción al análisis estadístico
Formulario. Estadística Administrativa Módulo 1. Introducción al análisis estadístico Histogramas El número de intervalos de clase, k, se elige de tal forma que el valor 2 k sea menor (pero el valor más
Más detallesPrograma de estudios. 1) Muestra y población. Parámetros estimadores y estadísticos. Distribución de Gauss. Intervalo de confianza
Programa de estudios Módulo 1: Panorama general de la Investigación Clínica. Ideas y Protocolo 1. La imaginación científica. Desarrollo de la idea de Investigación. Preguntas de Investigación 2. Diseño
Más detallesESTADÍSTICA. Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal. continua
ESTADÍSTICA Población Individuo Muestra Muestreo Valor Dato Variable Cualitativa ordinal nominal Cuantitativa discreta continua DISTRIBUCIÓN DE FRECUENCIAS Frecuencia absoluta: fi Frecuencia relativa:
Más detallesAnálisis estadístico de datos cualitativos
Análisis estadístico de datos cualitativos Estudio de metoprolol. 395 pacientes. Mortalidad 7,3%. Placebo 62/697 vs Grupo Metoprolol 40/698 Placebo 8,9% vs Metoprolol 5,7% Muerte no Metoprolol 40 658 698
Más detallesMarco de referencia. Pregunta adecuada, la droga en estudio tiene. -Diferente forma de administración, vía oral (PK)
Marco de referencia Pregunta adecuada, la droga en estudio tiene -Diferente forma de administración, vía oral (PK) -Diferente mecanismo de acción (PD) Objetivos. Causalidad. Cual es la utilidad de los
Más detallesMUESTREO MUESTRAS CON DATOS NUMÉRICOS
7 MUESTREO La manera usual de realizar un estudio del comportamiento de variables en una población es tomando muestras de individuos o unidades experimentales pertenecientes a ella. A partir de los datos
Más detallesINFERENCIA ESTADISTICA
INFERENCIA ESTADISTICA ESTIMACION 2 maneras de estimar: Estimaciones puntuales x s 2 Estimaciones por intervalo 2 ESTIMACION Estimaciones por intervalo Limites de Confianza LCI
Más detallesComparación de dos grupos independientes Solución no paramétrica. En capítulo 12: Métodos no paramétricos
Comparación de dos grupos independientes Solución no paramétrica En capítulo 12: Métodos no paramétricos Los métodos que hemos visto hasta ahora, asumen como distribución muestral la distribución Normal,
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 detallesLas 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas 22 a 40).
Las 19 primeras diapositivas de esta clase están incluidas en la clase teórica previa: Error y expresión de resultados (diapositivas a 40). Definiciones fundamentales y objetivo: El resultado arrojado
Más detallesTema 6: Introducción a la Inferencia Bayesiana
Tema 6: Introducción a la Inferencia Bayesiana Conchi Ausín Departamento de Estadística Universidad Carlos III de Madrid concepcion.ausin@uc3m.es CESGA, Noviembre 2012 Contenidos 1. Elementos básicos de
Más detalles1.1. CUÁNTOS PACIENTES NECESITAMOS? ESTUDIOS OBSERVACIONALES...3 CÁLCULO DEL TAMAÑO DE LA MUESTRA PARA DETERMINAR UN VALOR
Cálculo del tamaño de la muestra Dr. Carlos Daniel Tajer ÍNDICE 1. CÁLCULO DEL TAMAÑO DE LA MUESTRA...2 1.1. CUÁNTOS PACIENTES NECESITAMOS?...2 1.2. ESTUDIOS OBSERVACIONALES...3 CÁLCULO DEL TAMAÑO DE LA
Más detallesBloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos
Bloque 5. Probabilidad y Estadística Tema 3. Distribuciones de Probabilidad Ejercicios resueltos 5.3-1 El % de los DVDs de una determinada marca son defectuosos. Si se venden en lotes de 5 unidades, calcular
Más detallesANEXO 1. CONCEPTOS BÁSICOS. Este anexo contiene información que complementa el entendimiento de la tesis presentada.
ANEXO 1. CONCEPTOS BÁSICOS Este anexo contiene información que complementa el entendimiento de la tesis presentada. Aquí se exponen técnicas de cálculo que son utilizados en los procedimientos de los modelos
Más detallesMedidas y cifras significativas
Física Experimental 1 Medidas y cifras significativas 1. Mediciones En lo que sigue se definirán conceptos referentes a la realización y presentación de medidas conforme a los estándares internacionales
Más detallesEstadística y Probabilidad
La universidad Católica de Loja Estadística y Probabilidad ESCUELA DE ELECTRÓNICA Y TELECOMUNICACIONES Paralelo C Nombre: Milner Estalin Cumbicus Jiménez. Docente a Cargo: Ing. Patricio Puchaicela. Ensayo
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 detallesCaso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo
Caso 105. Tamaño de muestra y potencia de una prueba. Diseño de experimentos. Jesús López Fidalgo Caso Práctico El objetivo de este ejercicio es analizar diferentes tipos de pruebas estadísticas en las
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesNúmero de Observaciones (N): cuántas observaciones serán necesarias para detectar el efecto?
Tamaño del Efecto (ej. d, 2, f, phi ): qué magnitud del efecto se trata de detectar? Número de Observaciones (N): cuántas observaciones serán necesarias para detectar el efecto? Error de Tipo I, α (Nivel
Más detallesEVALUACIÓN EN APRENDIZAJE. Eduardo Morales y Jesús González
EVALUACIÓN EN APRENDIZAJE Eduardo Morales y Jesús González Significancia Estadística 2 En estadística, se dice que un resultado es estadísticamente significante, cuando no es posible que se presente por
Más detallesNota de los autores... vi
ÍNDICE Nota de los autores... vi 1 Qué es la estadística?... 1 1.1 Introducción... 2 1.2 Por qué se debe estudiar estadística?... 2 1.3 Qué se entiende por estadística?... 4 1.4 Tipos de estadística...
Más detallesDESCRIPCIÓN DE DATOS POR MEDIO DE GRÁFICAS
ÍNDICE Introducción: Entrene su cerebro para la estadística... 1 La población y la muestra... 3 Estadísticas descriptivas e inferenciales... 4 Alcanzar el objetivo de estadísticas inferenciales: los pasos
Más detallesEstadística y sus aplicaciones en Ciencias Sociales 5. Estimación. Facultad de Ciencias Sociales, UdelaR
Estadística y sus aplicaciones en Ciencias Sociales 5. Estimación Facultad de Ciencias Sociales, UdelaR Índice 1. Repaso: estimadores y estimaciones. Propiedades de los estimadores. 2. Estimación puntual.
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 detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesMETODOS ESTADÍSTICOS
METODOS ESTADÍSTICOS Introducción. Uno de los objetivos de la asignatura de Hidrología, es mostrar a los alumnos, las herramientas de cálculo utilizadas en Hidrología Aplicada para diseño de Obras Hidráulicas.
Más detallesTamaño muestral Cómo estimar n adecuadamente?- Contrastes de hipótesis
Tamaño muestral Cómo estimar n adecuadamente?- Contrastes de hipótesis Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics Objetivos más comunes para la determinación del
Más detallesLECCIÓN PÚBLICA. Tema 5 Algunas Pruebas de Hipótesis. Profa. María Fátima Dos Santos
LECCIÓN PÚBLICA Tema 5 Algunas Pruebas Profa. María Fátima Dos Santos 1 TEMARIO Fundamentos de estadística inferencial Método hipotético deductivo (Juego de hipótesis) Elementos en el contraste de hipótesis
Más detallesEl coeficiente de diseño.
TALLER DOS El problema: El coeficiente de diseño. Hipótesis en las Ciencias de la Construcción Especialización en diseño estructural de obras de arquitectura Trabajo Taller : Revisión de las hipótesis
Más detallesIntroducción a la Odontología. Formación Básica. Materia Básica Estadística 1º 1º 6. Francisco Requena Guerrero
GUIA DOCENTE DE LA ASIGNATURA ESTADÍSTICA Curso 2014-2015 (Fecha última actualización: 04/06/14) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Introducción a la Odontología Materia Básica Estadística 1º
Más detallesIntroducción a la Teoría de Errores
Introducción a la Teoría de Errores March 21, 2012 Al medir experimentalmente una magnitud física (masa, tiempo, velocidad...) en un sistema físico, el valor obtenido de la medida no es el valor exacto.
Más detallesMateria Básica Estadística. Introducción a la Odontología. Formación Básica 1º 1º 6
GUIA DOCENTE DE LA ASIGNATURA ESTADÍSTICA Curso 2015-2016 (Fecha última actualización: 12/05/15) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Introducción a la Odontología Materia Básica Estadística 1º
Más detallesAplicaciones de apoyo al diagnóstico médico. Identificación de objetos amigos y enemigos. Identificación de zonas afectadas por un desastre natural.
Capítulo 5 Evaluación En muchas ocasiones requerimos hacer una evaluación muy precisa de nuestros algoritmos de aprendizaje computacional porque los vamos a utilizar en algún tipo de aplicación que así
Más detallesMedicina basada en la evidencia Resultados
Resultados Carlos Ochoa Sangrador 14/02/2013 1 Tratamiento 30 70 Reducción absoluta del riesgo RAR = 0,60-0,30 = 0,30 Reducción relativa del riesgo 0,6-0,3 RRR = = 0,50 0,6 Muestra 60 40 Población Control
Más detallesMODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.
DISTRIBUCIÓN t Con frecuencia intentamos estimar la media de una población cuando se desconoce la varianza, en estos casos utilizamos la distribución de t de Student. Si el tamaño de la muestra es suficientemente
Más detallesSoluciones al examen de Estadística Aplicada a las Ciencias Sociales Junio 2008 Primera semana
Soluciones al examen de Estadística Aplicada a las Ciencias Sociales Junio 008 Primera semana Ejercicio 1. Para analizar la asociación entre el nivel de estudios y la renta calcularemos el estadístico
Más detallesMs. C. Marco Vinicio Rodríguez
Ms. C. Marco Vinicio Rodríguez mvrodriguezl@yahoo.com http://mvrurural.wordpress.com/ Uno de los objetivos de la estadística es saber acerca del comportamiento de parámetros poblacionales tales como:
Más detallesQué es lo que busca todo el mundo? Inferencia estadística. sticas. Intervalo de confianza. Hipótesis de trabajo
Hipótesis de trabajo Hipótesis de trabajo, pruebas de hipótesis e intervalos de confianza Laboratorio de Bioestadística stica y Epidemiología, sección n Ensayos Clínicos Unidad de Bioestadística stica
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 detallesCuál es el campo de estudio de la prueba de hipótesis?
ESTIMACIÓN Establecer generalizaciones acerca de una población a partir de una muestra es el campo de estudio de la inferencia estadística. La inferencia estadística se divide en estimación y prueba de
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesPREGUNTAS TIPO EXAMEN. 1. Cuál de las siguientes medidas es una medida de Centralización?
PREGUNTAS TIPO EXAMEN 1. Cuál de las siguientes medidas es una medida de Centralización? a) La desviación típica d) Ninguna respuesta es correcta 2. Disponemos de una variable aleatoria que recoge el peso
Más detallesSimulación a Eventos Discretos. Clase 8: Análisis de resultados
Simulación a Eventos Discretos Clase 8: Análisis de resultados Muestras independientes Los resultados de una corrida de una simulación estocástica (denominados respuestas), son muestras de alguna distribución.
Más detallesAnálisis estadístico Datos cuantitativos 1ra. Parte 2 grupos paralelos
Análisis estadístico Datos cuantitativos 1ra. Parte grupos paralelos Comparación de un parámetro cuantitativo entre dos grupos Es diferente la presión arterial en diabéticos y no diabéticos? Existieron
Más detallesEstadística Inferencial. Resúmen
Ofimega - Estadística inferencial - 1 Estadística Inferencial. Resúmen Métodos y técnicas que permiten inducir el comportamiento de una población. Muestreo o selección de la muestra: 1. Aleatorio simple:
Más detallesDiseños de No- inferioridad
Diseños de No- inferioridad Ferran.Torres@uab.es 1 OBJETIVOS DEL ENSAYO CLÍNICO Demostración n de la eficacia y/o seguridad de un tratamiento (per se). ENSAYOS FRENTE A PLACEBO Evaluación n comparativa
Más detallesESTADÍSTICA. Materia Básica Estadística. Formación Básica. Introducción a la Odontología 1º 1º 6
GUIA DOCENTE DE LA ASIGNATURA ESTADÍSTICA MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Introducción a la Odontología Materia Básica Estadística 1º 1º 6 Formación Básica PROFESOR(ES) DIRECCIÓN COMPLETA DE
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 detallesGrafico Cusum (Mascara-V)
Grafico Cusum (Mascara-V) Resumen Los gráficos de sumas acumulativas monitorean datos por variables graficando las sumas acumulativas de las desviaciones al valor objetivo. Esto lo hace, incorporando la
Más detallesDeterminación del tamaño de una muestra (para dos o más muestras)
STATGRAPHICS Rev. 457 Determiació del tamaño de ua muestra (para dos o más muestras) Este procedimieto determia el tamaño de muestra apropiado para estimar o realiar pruebas de hipótesis respecto a alguo
Más detallesEste procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros:
STATGRAPHICS Re. 4/d/yyyy Pruebas de Hipótesis (Una Muestra) Este procedimiento prueba hipótesis acerca de cualquiera de los siguientes parámetros: 1. la media μ de una distribución normal.. la desiación
Más detalles1. Estimación. f(y) = θ e y θ, y > 0 0, en otro punto
1. Estimación Definición: Un estimador es una regla que indica cómo calcular el valor de una estimación con base en las mediciones que contien una muestra. Definición: Si ˆθ es un estimador puntual de
Más detallesSoluciones a los nuevos ejercicios propuestos
Soluciones a los nuevos ejercicios propuestos 1 Soluciones a los nuevos ejercicios propuestos 1. Sea X la cantidad de calcio en sangre del paciente (en mg. por cada 100 ml. de sangre). X N(µ, σ 2 ). Tenemos
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 detallesEstructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias
Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados
Más detalles9ª Jornadas Científicas y de Gestión 2016 Multicap para incrementar la adherencia luego de un SCA
Multicap para incrementar la adherencia luego de un SCA Mariani J, de Abreu M, Rosende A, D Imperio H, Vassia T, Antonietti L, Lemmonier G, González Villa Monte G, Tajer C. Servicio de Cardiología Servicio
Más detallesUNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO LICENCIATURA EN TURISMO UNIDAD DE APRENDIZAJE: ESTADISTICA TEMA 1.5 : ESTADISTICA DESCRIPTIVA M. EN C. LUIS ENRIQUE KU MOO FECHA:
Más detallesEstadísticas Pueden ser
Principios Básicos Para iniciar en el curso de Diseño de experimentos, es necesario tener algunos conceptos claros en la parte de probabilidad y estadística. A continuación se presentan los conceptos más
Más detallesMÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO
GUIA DOCENTE DE LA ASIGNATURA ( ) ESTADÍSTICA Curso 2017-2018 (Fecha última actualización: 14/6/2017) (Fecha de aprobación en Consejo de Departamento: 20/6/2017) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS
Más detallesPregunta 1. Pregunta 2. Pregunta 3. Pregunta 4. Pregunta 5. Pregunta 6. Pregunta 7. Comenzado el lunes, 25 de marzo de 2013, 17:24
Comenzado el lunes, 25 de marzo de 2013, 17:24 Estado Finalizado Finalizado en sábado, 30 de marzo de 2013, 17:10 Tiempo empleado 4 días 23 horas Puntos 50,00/50,00 Calificación 10,00 de un máximo de 10,00
Más detallesBioestadística y uso de software científico TEMA 5 DATOS CONTINUOS COMPARACIONES DE MEDIAS ENTRE DOS GRUPOS
Bioestadística y uso de software científico TEMA 5 DATOS CONTINUOS COMPARACIONES DE MEDIAS ENTRE DOS GRUPOS Hasta ahora... Tema Variable dependiente Variable independiente Test Tema 4 Categórica Categórica
Más detallesEl Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar?
El Tamaño de la Muestra: Cuántos Pacientes Voy a Necesitar? OBJETIVOS Comprender la lógica que rige la realización de los cálculos, relativos al tamaño de la muestra, en estudios clínicos La Cuestión Clave
Más detallesComparación de dos métodos de aprendizaje sobre el mismo problema
Comparación de dos métodos de aprendizaje sobre el mismo problema Carlos Alonso González Grupo de Sistemas Inteligentes Departamento de Informática Universidad de Valladolid Contenido 1. Motivación 2.
Más detallesUNIDAD 4. INFERENCIA ESTADÍSTICA. Prof. Eliana Guzmán U. Semestre A-2015
UNIDAD 4. INFERENCIA ESTADÍSTICA Prof. Eliana Guzmán U. Semestre A-05 INFERENCIA ESTADÍSTICA La teoría de la Inferencia Estadística está conformada por aquellos métodos que permiten hacer generalizaciones,
Más detalles1) Características del diseño en un estudio de cohortes.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de cohortes CONCEPTOS CLAVE 1) Características del diseño en un estudio de cohortes. ) Elección del tamaño
Más detallesPrueba de Hipótesis. Tipos de inferencias (2)
Prueba de Hipótesis Tipos de inferencias (2) PRUEBA DE HIPOTESIS: busca responder a una pregunta sobre el valor de un parámetro en la población (siempre utilizando los resultados de la muestra) Esta pregunta
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesFONDOS DE INVERSIÓN. Diego Rodríguez.
FONDOS DE INVERSIÓN Diego Rodríguez diego.rodriguez.tapiz@gmail.com VOLATILIDAD Realmente, el ratio se denomina desviación estándar o desviación típica con el que obtenemos la volatilidad o variabilidad
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 detallesPrefacio... xvii. 1 La imaginación estadística... 1
ÍNDICE Prefacio... xvii 1 La imaginación estadística... 1 Introducción... 1 Pensamiento proporcional... 3 La imaginación estadística... 8 Enlace de la imaginación estadística con la imaginación sociológica...
Más detallesInf In e f re r ncia est es adís t t adís ica: ic Prueba de Hipótesis Jhon Jairo Jair Pa P dilla a A., PhD. PhD
Inferencia estadística: Prueba de Hipótesis Jhon Jairo Padilla A., PhD. Justificación Es una etapa de análisis i de datos de un experimento comparativo: Se compara un parámetro de una va v.a. con un valor
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Remix Final)
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Remix Final) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Entrega del Trabajo Obligatorio Hasta el 22 de mayo
Más detallesEstudios de equivalencia o no inferioridad
Estudios de equivalencia o no inferioridad El problema del control activo Estudios clásicos de superioridad Contra placebo (control pasivo ) Comparación entre drogas de diferente potencia: (control activo
Más detalles1. Comparación de variables numéricas en 1 o 2 muestras mediante las pruebas t.
Parte 4. Prueba t de Student para 1 o 2 muestras. Autor: Santiago Perez Lloret En el documento anterior hemos analizado las generalidades de las pruebas de confrontación de hipótesis. Ahora nos focalizaremos
Más detallesConceptos del contraste de hipótesis
Análisis de datos y gestión veterinaria Contraste de hipótesis Departamento de Producción Animal Facultad de Veterinaria Universidad de Córdoba Córdoba, 14 de Diciembre de 211 Conceptos del contraste de
Más detallesESTADÍSTICA (Grado en Terapia Ocupacional)
GUIA DOCENTE DE LA ASIGNATURA ESTADÍSTICA (Grado en Terapia Ocupacional) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Formación Básica Estadística 1º 1º 6 Obligatoria PROFESOR(ES) DIRECCIÓN COMPLETA DE
Más detallesMÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO 1º 1º 6
GUIA DOCENTE DE LA ASIGNATURA ESTADÍSTICA MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Introducción a la Odontología Materia Básica Estadística 1º 1º 6 Formación Básica PROFESOR(ES) DIRECCIÓN COMPLETA DE
Más detallesDistribución Exponencial
Distribución Exponencial Hay dos casos especiales importantes de la distribución gamma, que resultan de restricciones particulares sobre los parámetros α y β. El primero es cuando se tiene α = 1, entonces
Más detallesDistribuciones de probabilidad Discretas
Distribuciones de probabilidad Discretas Distribución Uniforme Discreta Definición Una variable aleatoria X, tiene una distribución uniforme discreta, si cada uno de los valores x 1, x 2,.. x n, tiene
Más detallesFORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD
FORMULARIO DE DISTRIBUCIONES DE PROBABILIDAD Jorge M. Galbiati pág. DISTRIBUCION BINOMIAL 2 DISTRIBUCION POISSON 4 DISTRIBUCION HIPERGEOMETRICA 5 DISTRIBUCION GEOMETRICA 7 DISTRIBUCION NORMAL 8 DISTRIBUCION
Más detalles1. Conceptos de Regresión y Correlación. 2. Variables aleatorias bidimensionales. 3. Ajuste de una recta a una nube de puntos
TEMA 10 (curso anterior): REGRESIÓN Y CORRELACIÓN 1 Conceptos de Regresión y Correlación 2 Variables aleatorias bidimensionales 3 Ajuste de una recta a una nube de puntos 4 El modelo de la correlación
Más detallesUniversidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA
Universidad Técnica de Babahoyo INTRODUCCIÓN A LA INFERENCIA ESTADÍSTICA Ateneo Ruperto P. Bonet Chaple UTB-Julio 2016 OBJETIVO Aplicar las técnicas de Muestreo e Inferencia Estadística Determinar el tamaño
Más detallesTeoría de errores. 4 Otro de estos ejemplos pueden ser el de la medición de la densidad de un compuesto sólido o la velocidad de la luz.
1. Preliminar Cuando se realizan mediciones siempre estamos sujetos a los errores, puesto que ninguna medida es perfecta. Es por ello, que nunca se podrá saber con certeza cual es la medida real de ningún
Más detallesTeoría del muestreo. Tipos de muestras
Teoría del muestreo El total de un grupo de datos de llama población o universo, y una porción representativa de este grupo se llama muestra. Las muestras desempeñan un papel muy importante en los trabajos
Más detallesPrueba de Hipótesis Estadísticas. Estadística Básica - Manuel Spínola 1
Prueba de Hipótesis Estadísticas Estadística Básica - Manuel Spínola 1 ! El uso de la estadística es una parte del método científico, pero constituye una parte importante de nuestra investigación, especialmente
Más detallesESTADÍSTICA. Tema 4 Regresión lineal simple
ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detalles