Vigilancia colectiva de la salud: técnicas básicas
|
|
- Rubén Luna Botella
- hace 5 años
- Vistas:
Transcripción
1 FICHA TÉCNICA AUTOR: MOLINA ARAGONÉS, Josep. TÍTULO: Vigilancia colectiva de la salud: técnicas básicas para su implantación. FUENTE: Riesgos Laborales, nº 35, pág. 34, febrero RESUMEN: La epidemiología y la estadística médica son algunas de las herramientas de la Medicina del Trabajo para llevar a cabo una eficaz vigilancia de la salud colectiva. Sirven para efectuar diagnósticos de puestos de trabajo o colectivos profesionales, identificar problemas relacionados con la exposición laboral y monitorizar cambios o tendencias en las condiciones de trabajo. Además, permiten interpretaciones coherentes de los resultados de la vigilancia de la salud, que serán indispensables para planificar y ejecutar las acciones preventivas adecuadas. DESCRIPTORES: Vigilancia de la salud. Medicina del Trabajo. Epidemiología. Riesgo. Estadística médica. Población trabajadora. Vigilancia colectiva de la salud: técnicas básicas para su implantación La vigilancia colectiva de la salud sirve para conocer el estado de salud de la población trabajadora. Establecer relaciones entre los factores de riesgo, los riesgos laborales y los problemas de salud derivados de éstos permite planificar, priorizar y ejecutar las actividades preventivas adecuadas. Josep Molina Aragonés, médico del Trabajo, unidad de revisiones médicas del laboratorio Dr. Echevarne, Barcelona. Riesgos Laborales 34
2 La vigilancia colectiva de la salud pretende conocer el estado de salud de la población trabajadora y la evolución de sus tendencias, y poder establecer relaciones entre los factores de riesgo, los riesgos laborales y los problemas de salud derivados de éstos, para poder planificar, priorizar y ejecutar las actividades preventivas. La vigilancia colectiva de la salud es un instrumento indispensable para la salud laboral. La epidemiología es una disciplina que se convertirá en una herramienta al servicio de la medicina del Trabajo para poder efectuar una vigilancia de la salud colectiva de calidad, con rigor científico y técnico. Gracias a ella, en el ámbito laboral se pueden efectuar diagnósticos de puestos de trabajo o colectivos profesionales, identificar problemas relacionados con la exposición laboral, monitorizar cambios o tendencias en las condiciones de trabajo, sus repercusiones sobre la salud, etc. La estadística médica también será una herramienta al alcance para efectuar la vigilancia de la salud colectiva. El conocimiento de ciertas técnicas básicas, cuando menos el conocimiento de su existencia, y la posibilidad de recurrir a ellas en un momento de necesidad, permitirá efectuar interpretaciones coherentes de los resultados de la vigilancia y dar consistencia al trabajo habitual de los servicios de salud laboral. Posiblemente se deba acudir a la literatura para refrescar conceptos como contraste de hipótesis o el valor p, que se escapan del objeto de este artículo. La finalidad es dar unos conceptos muy básicos de qué herramientas se pueden utilizar, y cómo hacerlo para llevar a cabo una vigilancia de la salud colectiva sencilla y con criterios epidemiológicos. Para evidenciar que provecho se puede sacar de la aplicación de técnicas estadísticas básicas, se aplicarán ejemplos que faciliten su comprensión 1. Tests de conformidad Los tests de conformidad persiguen averiguar 1 Los análisis que ejemplifican este artículo y que se muestran en las distintas figuras se han obtenido a partir de los módulos de distribuciones de probabilidad y tablas de contingencia (2x2) del programa de distribución gratuita EPIDAT, disponible en las referencias bibliográficas. Los tests de conformidad persiguen averiguar si una muestra puede proceder de una población determinada. El principal problema para comparar los resultados de la vigilancia se encuentra en disponer de estándares de referencia si una muestra puede proceder de una población determinada. El principal problema para comparar los resultados de la vigilancia se encuentra en disponer de estándares de referencia, valores que permitan efectuar estas comparaciones, lo cual es complejo, cuando no imposible, si se habla de morbilidad de origen laboral. Conformidad de una proporción Interesa saber si los resultados de la vigilancia de la salud que se han llevado a cabo en la empresa, servicio o centro de trabajo, se distribuyen de acuerdo con la población en la que se ha originado dicha muestra. Se supone, por ejemplo, que en la población, un 26 por ciento de los individuos han manifestado haber necesitado consulta médica por dolor de espalda el último año. De forma aislada, este valor no ofrece ninguna información; ahora bien, consultando la encuesta nacional de condiciones de trabajo, se sabe que en la población trabajadora, este porcentaje es de un 39 por ciento. La pregunta formulada es: es esta diferencia significativa? Es realmente menor el porcentaje de dolor de espalda en nuestro colectivo? Para averiguar esto, se plantea un contraste de hipótesis para inferir el comportamiento de una proporción; formalmente, lo que se hará es calcular el intervalo de confianza de ésta. Para calcular esta cifra, sin recurrir a soluciones informáticas, se procederá del modo siguiente: Se obtiene el error estándar, de acuerdo con la fórmula: Sp = [ p(1-p) / n] 1/2 El intervalo de confianza (al 95 por ciento), se obtiene finalmente aplicando ± 2 veces este error estándar al porcentaje obtenido. Debe hacerse notar que este error estándar depende, tanto del porcentaje de ocurrencia del suceso (p), como del tamaño muestral. El aumento de este último disminuye la probabilidad de cometer errores en la estimación. Observación: Hace falta trabajar con muestras grandes. En el caso de las pequeñas, por convención inferiores a 100, será preciso efectuar los cálculos utilizando unos distribución binomial, de 35 Riesgos Laborales
3 modo que será preciso obtener los correspondientes valores en las tablas pertinentes, a las que se remite al lector. Como se ve, el porcentaje de la población de origen se encontraría, si se efectuará repetidamente la medición entre 16,9 y 35,1 por ciento (Figura 1). Sólo una vez de cada 100 (valor p ), el porcentaje escaparía de estos márgenes de confianza. Ante este resultado, la conclusión es que se rechaza la hipótesis nula (de homogeneidad), con un riesgo de equivocación del 1 por ciento. El razonamiento es que el porcentaje de lumbalgias en nuestra población es significativamente menor y posiblemente se debería indagar el porqué de este resultado. Conformidad de una media En este caso, se quiere contrastar si la distribución de una variable de tipo continuo (caracterizada por una medida de tendencia central como la media y una medida de dispersión como la desviación estándar) se distribuye en la población del mismo modo como lo hace en nuestra muestra. Para ilustrarlo con un ejemplo, como en el caso anterior, se piensa en la distribución de un parámetro biológico en nuestra población. Su distribución es de 15,3 mmol. con una desviación estándar de 2,2 mmol. Si se sabe que el valor poblacional de este tóxico es de 12 mmol., es necesario preocuparse por este aumento? La solución se vislumbra calculando, una vez más, el intervalo de confianza. Para muestras grandes (considerando un número de individuos superior a 30) este intervalo se calcula de la siguiente manera: FIGURA 1 Resultados de la conformidad de una proporción Número de casos: 26 Tamaño de muestra: 100 Valor a contrastar: 39,000% Proporción (%) IC (95,0%) ,000 16,903 35,097 Prueba para una proporción Estadístico Z ,5628 0,0104 Inferencia sobre una media Media: 15,300 Desviación estándar: 2,200 Tamaño de muestra: 100 Valor a contrastar: 12,000 Media IC (95,0%) ,300 14,863 15,737 Prueba para una media Estadístico t gl 15, ,0000 FIGURA 2 IC = m ± 2 EE Donde el error estándar (EE) se calcula gracias a: EE = Desviación típica / (n-1) 1/2 La interpretación, como en el caso anterior, es que, en caso de repetir las determinaciones en múltiples ocasiones, el 95 por ciento de las veces el valor poblacional se encontraría entre 14,62 y 15,37 (Figura 2). De forma simple, se puede concluir que nuestro valor es significativamente superior al poblacional y sería preciso investigar el origen de este aumento. Tests de homogeneidad Proporción En este caso, se pretende comparar el comportamiento de la variable de estudio en dos grupos de una misma muestra, por ejemplo, dos centros de trabajo. En uno de ellos, la proporción de individuos con criterios de asma bronquial es de un 7 por ciento y en otro, este porcentaje es del 10; en ambos hay 100 trabajadores. Es significativa esta diferencia? Puede explicarse exclusivamente por el azar? Nuevamente, el procedimiento pasa por el cálculo de un intervalo de confianza; en este caso, el de la diferencia de porcentajes, lo que se efectuará del modo siguiente: Se calcula el error estándar, de acuerdo con la fórmula siguiente: EE = [ p(1-p) (1/n 1 + 1/n 2 )] 1/2 Como en los casos anteriores, el intervalo de confianza, al 95 por ciento, se obtiene aplicando ± 2 veces este error estándar al porcentaje calculado. Riesgos Laborales 36
4 En el ejemplo propuesto, se ve que la conclusión es que no se detectan diferencias estadísticamente significativas (la diferencia de proporciones es de un 3 por ciento, valor incluido en el intervalo de confianza calculado) (Figura 3). Para comprobar el efecto del tamaño muestral, se observa como, aumentando el tamaño de la muestra (1.000 trabajadores por centro), el test es capaz de detectar diferencias estadísticamente significativas (debido al aumento de la potencia del estudio), que no podrían explicarse exclusivamente por el azar (Figura 4). Homogeneidad de dos medias (con datos independientes) Conceptualmente, el problema planteado es igual que en el caso anterior, pero se quiere comprobar si son significativas las diferencias entre dos medias. Por ejemplo, los valores de tensión arterial sistólica (TAS) en dos centros de trabajo o en dos departamentos de una misma empresa. Como resultado de la vigilancia periódica de la salud, se evidencia que en un departamento de 50 personas esta TAS se distribuye con una media y una desviación estándar de 127 ± 10 mmhg. y en el otro, con 65 personas, los valores de dicha distribución son de 140 ± 12 mmhg. Son diferentes estos valores o bien esta diferencia puede explicarla el azar (no son distintos)? Nuevamente, el cálculo numérico se efectuará determinando el intervalo de confianza. En este caso, el error estándar se aplicará a la diferencia de medias a comparar (m 1 m 2 ). El error estándar se obtiene gracias a la siguiente fórmula: EE = [ de 1 /n 1 + de 2 /n 2 ] 1/2 Donde de = Desviación estándar. En este ejemplo, como se puede apreciar, el intervalo de confianza incluye el valor de las diferencias de medias, de modo que se debe concluir que no existen diferencias estadísticamente significativas entre los valores obtenidos. Observación: con muestras pequeñas será preciso aplicar la t de Student, realizando un cálculo similar. Se remite a los lectores a estudios especializados para conocer exactamente el modo de realizar estos cálculos. Homogeneidad de dos medias (con datos apareados) Con este tipo de datos, el problema que se presenta es determinar si se han producido modificaciones de dos medias cuando el estudio se FIGURA 3 Resultados de la comparación de dos proporciones Comparación de dos proporciones. Muestras independientes. Muestra 1 Muestra 2 Número de casos 7 10 Tamaño de muestra Proporción(%) 7,000 10,000 Diferencia de proporciones IC (95,0%) ,117 0,057 Prueba de comparación de proporciones Estadístico Z ,5071 0,6121 FIGURA 4 Resultados de la comparación de dos proporciones (N = 2000) Comparación de dos proporciones. Muestras independientes Muestra 1 Muestra 2 Número de casos Tamaño de muestra Proporción(%) 7,000 10,000 Diferencia de proporciones IC (95,0%) ,055-0,005 Prueba de comparación de proporciones Estadístico Z ,3252 0,0201 realiza en dos momentos temporales distintos, sobre los mismos individuos. Aritmética y metodológicamente, la cuestión se ciñe a calcular nuevamente un intervalo de confianza y valorar el comportamiento de los datos. Se supone, en este caso, que se aplica un test a 60 trabajadores 37 Riesgos Laborales
5 FIGURA 5 Resultados de la comparación de dos medias, con muestras independientes Comparación de dos medias. Muestras independientes Muestra 1 Muestra 2 Media 127, ,000 Desviación estándar 10,000 12,000 Tamaño de muestra Prueba de comparación de varianzas Estadístico F gl numerador gl denominador , ,1848 Diferencia de medias Varianzas IC (95,0%) ,000 Iguales 8,835 17,165 Distintas 8,932 17,068 Prueba de comparación de medias Varianzas Estadístico t gl Iguales 6, ,0000 Distintas 6, ,0000 FIGURA 6 Resultados de la comparación de dos medias, con datos aparejados Comparación de dos medias. Muestras emparejadas Diferencia de medias: 15,000 Desv.estándar de las diferencias: 11,200 Número de pares: 60 Diferencia de medias IC (95,0%) ,000 12,107 17,893 Prueba de comparación de medias Estadístico t gl , ,0000 para medir cualquier aspecto de interés. Después de efectuar una intervención en el seno de la empresa, se vuelve a aplicar el mismo test y se miden los resultados. En este caso, el cálculo del intervalo se realizará aplicando a la media de las diferencias de las puntuaciones obtenidas el error estándar, que se obtendrá mediante aplicación de la fórmula siguiente: EE = ds / (n-1) 1/2, En ésta, la desviación estándar (ds) se corresponde con la obtenida como resultado de la nueva variable generada a partir de las diferencias obtenidas entre las puntuaciones logradas antes y después de la intervención. En el ejemplo propuesto, se observa como el intervalo calculado incluye el valor de la diferencia obtenida como resultado de la intervención; se concluye que no existen (o no se han detectado) diferencias estadísticamente significativas entre los resultados del test, antes y después de la intervención. Epidemiología La dinámica más habitual de los servicios de salud laboral, en la que los reconocimientos médicos resultado de la vigilancia individual de la salud son la fuente principal de obtención de información, reproduce un diseño epidemiológico de tipo transversal: una imagen fija en el tiempo, momento en que se miden simultáneamente datos de exposición, que se deberían conocer y actualizar sobre la información de las evaluaciones de riesgos, de morbilidad y salud, a partir de la vigilancia individual de la salud y otras fuentes al alcance. Este tipo de análisis tienen la ventaja (como los propios diseños transversales) de su facilidad para llevarlos a cabo y ser poco costosos en términos económicos. Son una fuente ampliamente utilizada para la planificación y para la evaluación de servicios y actividades sanitarias. Análisis de los datos En un análisis bivariante de los datos, el más sencillo al alcance, se debe conseguir transformar la información en tablas de contingencia o de doble entrada como la que se muestra a continuación: en uno de los ejes se colocará el factor de exposición que se considere (sexo, edad, tóxicos, exposición a ruido o cargas, resultado de una encuesta, etc.) y Riesgos Laborales 38
6 en el otro, el efecto objeto de estudio (calidad de vida, tensión arterial, absentismo, etc.) Exposición + Efecto + A C Medidas de frecuencia La medida más elemental de frecuencia de una enfermedad, o cualquier otra circunstancia, es el número de personas que lo sufren o lo presentan. Por sí misma, esta medida no tiene utilidad para determinar la importancia de cualquier problema que afecta a la salud, el cual hace falta B D siempre referenciar al tamaño poblacional y al periodo de tiempo en el que éstos se identificaron. Las medidas de frecuencia que se pueden obtener serán datos de prevalencia, que se define como la proporción de individuos que sufren una enfermedad o condición en un periodo determinado de tiempo. De acuerdo con la tabla adjunta, la prevalencia se calcularía del siguiente modo: Prevalencia = A+C / A+C+B+D Otra medida que se puede utilizar es la prevalencia de periodo, que se define como la proporción de personas que han presentado una enfermedad o una determinada condición durante un periodo de tiempo. En estos casos, el problema viene determinado por el denominador que, habitualmente, se considera la población en el punto medio del periodo de estudio. Medidas de asociación Uno de los objetivos principales de los análisis debe ser comparar las frecuencias de enfermedad o de efectos de salud entre individuos con unas características, y otros que no las tienen (lógicamente, en el medio laboral, esta diferenciación principal vendrá dada por la exposición en el trabajo). Los estudios transversales ofrecen como medidas habituales de asociación la razón de prevalencias (RP) y la Odds Ratio de prevalencias (POR). Ambas medidas indican conceptos intuitivamente similares, pero es importante tener claras sus diferencias para no confundirlas, dado que, en muchos casos, los valores son muy parecidos y pueden interpretarse de forma casi intercambiable. El POR es el indicador más ampliamente utilizado. La principal razón parece ser la mayor disponibilidad en programas informáticos y no tanto por ser metodológicamente más correcto. No es fácil decidir cual de las dos medidas es más adecuada: hace falta valorar el contexto del estudio y el valor que se trata de estimar. La manera de obtener estos valores es la siguiente, a partir de la construcción de la tabla de contingencia: Efecto + Exposición + A C B D A+B C+D A+C B+D N Stock Photos Uno de los objetivos principales de los análisis debe ser comparar las frecuencias de enfermedad o de efectos de salud entre individuos con unas características, y otros que no las tienen. Prevalencia en expuestos (Pe) = A / A + B Prevalencia en no expuestos (Pne) = C / C + D Odds prevalencia expuestos (OPe) = Pe / (1-Pe) Odds prevalencia no expuestos (OPne) = Pne / (1 - Pne) Razon de prevalencias (RP) = Pe / Pne Odds ratio prevalencia (POR) = OPe / OPne Se propone un ejemplo, cuyos resultados se muestran en la Figura 7: en un centro de trabajo, con 800 trabajadores, 400 de ellos se encuentran significativamente expuestos a ruido industrial, lo que no sucede con los restantes 400. Al efectuar 39 Riesgos Laborales
7 la vigilancia de la salud, se detectan 250 alteraciones auditivas (150 de ellas en trabajadores expuestos). Una vez efectuado el análisis, se observa que la ORP es de 1,8, con un intervalo de confianza de 1,32 a 2,43. FIGURA 7 Medidas de asociación epidemiológica. Resultados de un análisis de Odds Ratio de prevalencia. Tipo de estudio: Transversal. Tabla Enfermos Sanos Total Expuestos No expuestos Total Prevalencia de la enfermedad Estimación IC (95,0%) En expuestos 0, En no expuestos 0, Razón de prevalencias 1, ,213 1,853 (Katz) Sin entrar en grandes consideraciones numéricas, el hecho de que el intervalo de confianza sea en su totalidad superior a 1 (situación en que la prevalencia en expuestos y no expuestos sería idéntica), informa de la significación estadística de la prueba. Una interpretación del valor obtenido se efectuaría del modo siguiente: los trabajadores expuestos a ruido tienen una probabilidad 1,8 veces superior a aquellos no expuestos, de presentar alteraciones auditivas (repitiendo en múltiples ocasiones el estudio, el 95 por ciento de las veces los valores obtenidos oscilarían entre 1,32 y 2,43). Medidas de impacto Las medidas de impacto reflejan el efecto esperado al cambiar uno o más factores de riesgo o realizar una acción de cariz preventivo en una población determinada. La mayor parte de estas medidas se obtienen en estudios con otros tipos de diseño, pero puede hacerse una aproximación con el cálculo de la fracción etiológica, que permite calcular el porcentaje de enfermedad que se podría eliminar si el nivel de exposición del grupo expuesto fuera el mismo que el del grupo no expuesto. Esta fracción etiológica, en estudios con diseño transversal, se define cómo: FE = p (POR-1) / p (POR-1) + 1 donde p = Proporción de expuestos entre la población de estudio. Prevalencia de exposición Estimación IC(95,0%) En enfermos 0, En no enfermos 0, Razón de prevalencias 1, , , (Katz) OR IC (95,0%) , , , (Woolf) 1, , (Cornfield) Prueba Ji-cuadrado de asociación Estadístico Sin corrección 14,5455 0,0001 Corrección de Yates 13,9695 0,0002 Prueba exacta de Fisher Unilateral 0,0001 Bilateral 0,0002 BIBLIOGRAFÍA > Hernberg, S., Introducción a la Epidemiología Ocupacional. Diaz de Santos S.A Madrid. > De la Iglesia, A.; Sole, M. D.; Marqués, F. y Pérez, J. Epidemiología Laboral. INSHT. Madrid > Thompson, M. L.; Myers, J.L. y Kriebel, D. Prevalence odds ratio or prevalence ratio in the analysis of cross sectional data: what is to be done? Occup. Environ. Med. 1998; 55; > Schiaffino, A. et al. Odds ratio o razón de proporciones? Su utilización en estudios transversales. Gac. Sanit 2003; 17(1):70-4. > Metodología de la investigación. com/mbe/investiga/index.asp > EPIDAT. Disponible en sha/epidat.htm > Carrasco, J.L. El Método estadístico en la investigación médica. Ed. Ciencia 3. Madrid > La vigilancia colectiva de la salud. XVI jornada de la SCSMT. Auditorio UPF. Barcelona Riesgos Laborales 40
1) 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 detallesSoly Santiago Pérez Dirección Xeral de Innovación e Xestión da Saúde Pública Junio 2011
Soly Santiago Pérez Dirección Xeral de Innovación e Xestión da Saúde Pública Junio 2011 Epidat: programa para análisis estadístico y epidemiológico de datos. Versión 3.1 Índice 1. Qué es Epidat? 2. Objetivos
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
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 detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
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 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 detallesBioestadística. Práctica 2
Bioestadística Práctica 2 En esta práctica vamos a aprender a analizar (con Epidat) los datos provenientes de distintos tipos de estudios epidemiológicos. En cada caso vamos a identificar en la salida
Más detallesESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO
ESTIMACIONES INTERVALOS DE CONFIANZA CON VARIANZA DIFERENTE LI. MIGUEL CANO Varianzas poblacionales desconocidas y distintas Muestras grandes (n 30) Muestras pequeñas (n
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 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 detalles1 CÁLCULO DE PROBABILIDADES
1 CÁLCULO DE PROBABILIDADES 1.1 EXPERIENCIAS ALEATORIAS. SUCESOS 1.1.1 Definiciones Experiencia aleatoria: experiencia o experimento cuyo resultado depende del azar. Suceso aleatorio: acontecimiento que
Más detallesPRÁCTICA 6: CONTASTE DE HIPÓTESIS
PRÁCTICA 6: CONTASTE DE HIPÓTESIS Los contenidos están organizados para que pueda avanzar a la vez que hacer los ejercicios propuestos en la práctica 5 del cuadernillo de prácticas. Asegúrate de entender
Más detallesEJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS
EJERCICIOS SOBRE CONTRASTE DE HIPÓTESIS 1. Qúe propiedad o propiedades caracterizan a una distribución normal tipificada frente a una distribución normal cualquiera? a. El área bajo su función de densidad
Más detalles1º CURSO BIOESTADÍSTICA
E.U.E. MADRID CRUZ ROJA ESPAÑOLA UNIVERSIDAD AUTÓNOMA DE MADRID CURSO ACADÉMICO 2012/2013 1º CURSO BIOESTADÍSTICA Coordinación: Eva García-Carpintero Blas Profesores: María de la Torre Barba Fernando Vallejo
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Una prueba de hipótesis es una técnica de Inferencia Estadística que permite comprobar si la información que proporciona una muestra observada concuerda (o no) con la hipótesis estadística
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesTema 14: Inferencia estadística
Tema 14: Inferencia estadística La inferencia estadística es el proceso de sacar conclusiones de la población basados en la información de una muestra de esa población. 1. Estimación de parámetros Cuando
Más detallesMediciones en Epidemiologia
Mediciones en Epidemiologia La epidemiologia tiene como objetivos básicos describir las frecuencias con que ocurren las enfermedades en la población y descubrir las causas o factores de riesgo que determinan
Más detallesINFERENCIA PARÁMETRICA: RELACIÓN ENTRE DOS VARIABLES CUALITATIVAS
. 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
Más detallesTERCER EJERCICIO 13 DE SEPTIEMBRE DE 2018
PRUEBAS SELECTIVAS PARA EL INGRESO EN EL CUERPO DE FUNCIONARIOS TÉCNICOS DE LA ADMINISTRACIÓN DE LA COMUNIDAD AUTÓNOMA DE ARAGÓN, ESCALA TÉCNICA FACULTATIVA, TÉCNICOS MEDIOS DE ESTADÍSTICA. TERCER EJERCICIO
Más detallesRESUMEN PROGRAMACIÓN ESTADÍSTICA II. 2. Calcular permutaciones, variaciones y combinaciones.
RESUMEN PROGRAMACIÓN ESTADÍSTICA II OBJETIVOS 1. Conocer las principales técnicas de recuento. 2. Calcular permutaciones, variaciones y combinaciones. 3. Conocer y aplicar el lenguaje de los sucesos y
Más detallesEstadística. Contrastes para los parámetros de la Normal
Contrastes para los parámetros de la Normal Prof, Dr. Jose Jacobo Zubcoff Departamento de Ciencias del Mar y Biología Aplicada Contrastes para los parámetros de la Normal Contrastes para los parámetros
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 detallesContrastes basados en el estadístico Ji Cuadrado
Capítulo 10 Contrastes basados en el estadístico Ji Cuadrado 10.1. Introducción Existen multitud de situaciones en el ámbito de la salud en el que las variables de interés, las cuales no pueden cuantificarse
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 detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
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 detallesPruebas de hipótesis estadísticas acerca de los cambios en la incidencia de la pobreza aplicando la metodología preliminar del CTMP
Nota Técnica 0/006 Pruebas de hipótesis estadísticas acerca de los cambios en la incidencia de la pobreza aplicando la metodología preliminar del CTMP 000 005 Octubre de 006 Av. Paseo de la Reforma #51,
Más detallesContrastes de hipótesis. 1: Ideas generales
Contrastes de hipótesis 1: Ideas generales 1 Inferencia Estadística paramétrica población Muestra de individuos Técnicas de muestreo X 1 X 2 X 3.. X n Inferencia Estadística: métodos y procedimientos que
Más detallesMatemáticas aplicadas a las Ciencias Sociales II
a la Matemáticas aplicadas a las Ciencias Sociales II a la Manuel Molina Fernández y Jiménez Basado en apuntes del Máster Universitario en Formación del Profesorado en Educación Secundaria CPR Mérida 24
Más detallesTema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas.
Tema 13 : Intervalos de probabilidad y confianza. Hipótesis y decisiones estadísticas. ---Intervalo de probabilidad (IP) Permite predecir el comportamiento de las muestras. Si de una población se sacan
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 detallesUNIVERSIDAD DE ATACAMA
UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA ESTADÍSTICA Y PROBABILIDADES PAUTA DE CORRECCIÓN PRUEBA N 3 Profesor: Hugo S. Salinas. Segundo Semestre 200. Se investiga el diámetro
Más detallesANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA) El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K >2) son iguales, frente a la hipótesis alternativa de
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 detallesPROGRAMA DE ESTUDIOS 1. DATOS DE IDENTIFICACIÓN
UNIVERSIDAD AUTÓNOMA DE SINALOA SECRETARÍA ACADÉMICA UNIVERSITARIA Coordinación General de Evaluación, Innovación y Calidad Educativa UNIDAD ACADEMICA FACULTAD DE MEDICINA PROGRAMA DE ESTUDIOS 1. DATOS
Más detallesItinerario de la asignatura: Primer curso. Primer Semestre. Curso académico: Créditos: 10,5
Licenciatura en Medicina - Facultad de Medicina Plan de Estudios: 509 Licenciado/a en Medicina Asignatura: 29077 Bioestadística Itinerario de la asignatura: Primer curso. Primer Semestre Curso académico:
Más detallesMATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN. a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico.
MATERIA: ESTADÍSTICA EJEMPLOS DE POSIBLES PREGUNTAS DE EXAMEN 1. Conteste las preguntas siguientes: a. Cuáles son las escalas en que pueden estar los datos en un análisis estadístico. 1. 2. 3. 4. b. En
Más detallesEstadística II Examen Final 19/06/2015 Soluciones. Responda a las preguntas siguientes en los cuadernillos de la Universidad
Estadística II Examen Final 19/06/2015 Soluciones Responda a las preguntas siguientes en los cuadernillos de la Universidad Utilice diferentes cuadernillos para responder a cada uno de los ejercicios Indique
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 detallesUNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE MEDICINA
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE MEDICINA Módulo I Bioestadística Maestría en Investigación Médica PROGRAMA ACADÉMICO 2011-2 M.C. Enrique Villareal Ríos 1. ASIGNATURA: MÓDULO I BIOESTADÍSTICA
Más detallesBioestadística para Reumatólogos
Bioestadística para Reumatólogos Xavier Barber Vallés Mabel Sánchez Barrioluengo Colaboradores - Umh Todos los datos que se muestran son ficticios Tablas 2x2: Riesgos Relativos y Odds ratio En cada sociedad
Más detallesDr. Abner A. Fonseca Livias
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN FACULTAD DE ENFERMERÍA Dr. Abner A. Fonseca Livias 3/21/2015 6:17 AM Dr. Abner Fonseca Livias 1 UNIVERSIDAD NACIONAL HERMILIO VALDIZAN ESCUELA DE POST GRADO Dr. Abner
Más detallesDiseño de experimentos - prueba de hipótesis.
Diseño de experimentos - prueba de hipótesis http://www.academia.utp.ac.pa/humberto-alvarez/diseno-deexperimentos-y-regresion Inferencia estadística Conjunto de métodos y técnicas que permiten inducir,
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 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 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 detallesGRADO EN NUTRICIÓN HUMANA Y DIETÉTICA (470) Curso 2016/ 2017
GRADO EN NUTRICIÓN HUMANA Y DIETÉTICA (470) Curso 2016/ 2017 BIOESTADÍSTICA Y EPIDEMIOLOGÍA (45805) PROFESORADO: Ana Almaraz Gómez. Catedrática de Medicina Preventiva y Salud Pública (983 42-3061) aalmaraz@med.uva.es
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 detallesAsignatura: BIOESTADISTICA. Curso: º de Medicina.
Asignatura: BIOESTADISTICA. Curso: 2002-2003. 1º de Medicina. Profesores: Agustín García Nogales, Miguel González Velasco y Jesús Montanero Fernández. Introducción sobre la Estadística y las Ciencias de
Más detallesPrueba de hipótesis para la diferencia de medias
Estadística Técnica Prueba de hipótesis para la diferencia de medias Cladera Ojeda, Fernando Conceptos previos Inferencia estadística Población Muestra Parámetro Estadístico Hipótesis estadística Pruebas
Más detallesDISTRIBUCION JI-CUADRADA (X 2 )
DISTRIBUCION JI-CUADRADA (X 2 ) En realidad la distribución ji-cuadrada es la distribución muestral de s 2. O sea que si se extraen todas las muestras posibles de una población normal y a cada muestra
Más detallesFICHA DE ASIGNATURA. Título: Estadística Básica y Avanzada.
FICHA DE ASIGNATURA Título: Estadística Básica y Avanzada. Descripción: Esta asignatura permite que el alumno profundice en conocimientos sobre estadística aplicada a las ciencias de la salud y, en concreto,
Más detallesPLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07
PLAN DE TRABAJO 9 Período 3/09/07 al 28/09/07 TEMAS A ESTUDIAR En esta guía nos dedicaremos a estudiar el tema de Estimación por intervalo y comenzaremos a estudiar las pruebas de hipótesis paramétricas.
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 detallesINGENIERO AGRÓNOMO EN PRODUCCIÓN TEMA: ESTIMACION Y PRUEBA DE HIPÓTESIS
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ZUMPANGO INGENIERO AGRÓNOMO EN PRODUCCIÓN TEMA: ESTIMACION Y PRUEBA DE HIPÓTESIS ELABORÓ: M. EN C. LUIS ENRIQUE KU MOO FECHA: ENERO DE
Más detallesInferencia Estadística
Inferencia Estadística 2do C. 2018 Mg. Stella Figueroa Clase Nº10 Población y Muestra- Parámetro y Estimación puntual Población: Es el conjunto de todos los elementos o unidades elementales con características
Más detallesPruebas de Hipótesis
Pruebas de Hipótesis Tipos de errores Se pueden cometer dos tipos de errores: Decisión Población Ho es erdadera Ho es falsa No rechazar Ho Decisión correcta. Error tipo II Rechazar Ho Error tipo I Decisión
Más detallesLas herramientas básicas de la epidemiología analítica: Medidas de asociación y significación estadística
Las herramientas básicas de la epidemiología analítica: Medidas de asociación y significación estadística Mexico, junio 2007 Stephen Benoit, MD, MPH International Research and Programs Branch Division
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 detallesEstadística Clase 4. Maestría en Finanzas Universidad del CEMA. Profesor: Alberto Landro Asistente: Julián R. Siri
Estadística 2010 Clase 4 Maestría en Finanzas Universidad del CEMA Profesor: Alberto Landro Asistente: Julián R. Siri Clase 4 1. Test de Hipótesis 2. Propiedades de los estimadores Problema: Nuevamente
Más detallesHipótesis. (x), donde es el parámetro poblacional desconocido. Problemas Inferenciales sobre
Tema 7: Introducción a los Contrastes de Hipótesis Introducción Sea X la variable aleatoria poblacional con distribución de probabilidad f (x), donde es el parámetro poblacional desconocido Problemas Inferenciales
Más detallesEstadística II Examen final junio - 17/06/16 Curso 2015/16 Soluciones Duración del examen: 2 h. y 45 min.
Estadística II Examen final junio - 17/06/16 Curso 201/16 Soluciones Duración del examen: 2 h. y 4 min. 1. (3, puntos) La publicidad de un fondo de inversión afirma que la rentabilidad media anual del
Más detallesPage 1 of 5 Departamento: Dpto Matematica Nombre del curso: PROBABILIDAD Y ESTADÍSTICA Clave: 003872 Academia a la que pertenece: Probabilidad y Estadística Requisitos: Requisito de Probabilidad y Estad
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 detallesTaller Epidemiología y Medicina Preventiva; El análisis de riesgos en Sanidad Animal. C. Oretga ANÁLISIS DE RIESGO EN SANIDAD ANIMAL
ANÁLISIS DE RIESGO EN SANIDAD ANIMAL El análisis de riesgos es una herramienta de tipo sanitaria que en Salud Pública se ha aplicado en la detección de puntos críticos para transmisión de enfermedades
Más detallesEstadísticamente significativo o clínicamente relevante?
Adolfo Figueiras Guzmán rof. Titular de edicina reventiva e Saúde ública (USC) Estadísticamente significativo o clínicamente relevante? Índice 1. 1. Introducción 2. 2. Objetivos 3. 3. Desarrollo Conceptos
Más detallesLIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO
LIMITES O INTERVALOS DE CONFIANZA LUIS FRANCISCO HERNANDEZ CANDELARIA ATENCIA ROMERO TRABAJO DE ESTADISTICA PROBABILISTICA PRESENTADO A LA PROFESORA MARIA ESTELA SEVERICHE SINCELEJO CORPORACIÓN UNIVERSITARIA
Más detallesU ED Tudela Diseños de investigación y análisis de datos - Tema 2
Diseños de investigación y análisis de datos Preguntas de exámenes TEMA 2: CONTRASTE DE HIPÓTESIS EN DISEÑOS DE UNA MUESTRA 1.- El valor crítico se obtiene: A) A partir del nivel de significación adoptado.
Más detallesLABORATORIO No. 0. Cálculo de errores en las mediciones. 0.1 Introducción
LABORATORIO No. 0 Cálculo de errores en las mediciones 0.1 Introducción Es bien sabido que la especificación de una magnitud físicamente medible requiere cuando menos de dos elementos: Un número y una
Más detallesEstadísticas básicas y medidas epidemiológicas para la Investigación en Salud Pública
Enfoque científico de la Salud Pública Estadísticas básicas y medidas epidemiológicas para la Investigación en Salud Pública Dr. Luis Gabriel Montes de Oca Lemus Objetivos Analizar las estadísticas de
Más detallesBLOQUE III: INFERENCIA ESTADISTICA. X, variable aleatoria de interés sobre una determinada población
BLOQUE III: INFERENCIA ESTADISTICA TEMA 8. MUESTREO Y DISTRIBUCIONES DE MUESTREO 1. Introducción a la Inferencia Estadística X, variable aleatoria de interés sobre una determinada población Observar el
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 detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesEstimación de Parámetros. Jhon Jairo Padilla A., PhD.
Estimación de Parámetros Jhon Jairo Padilla A., PhD. Inferencia Estadística La inferencia estadística puede dividirse en dos áreas principales: Estimación de Parámetros Prueba de Hipótesis Estimación de
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesDISTRIBUCION "F" FISHER
Imprimir INSTITUTO TECNOLOGICO DE CHIHUAHUA > DISTRIBUCION "F" FISHER La necesidad de disponer de métodos estadísticos para comparar las varianzas de dos poblaciones es evidente a partir
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 detallesUNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ECONÓMICAS Y SOCIALES ESCUELA DE SOCIOLOGÍA DEPARTAMENTO DE ESTADÍSTICA INFERENCIA ESTADÍSTICA ANOTACIONES SOBRE CONSTRASTE DE Prof. Simón Cabrera
Más detallesASIGNATURA DE BIOESTADÍSTICA III. COMPETENCIAS Y SUS COMPONENTES COMPRENDIDOS EN LA ASIGNATURA
ASIGNATURA DE BIOESTADÍSTICA I. DATOS GENERALES 1.1. Departamento Académico : Ciencias Básicas 1.2. Semestre Académico : 2018-II 1.3. Código de la asignatura : 101322 1.4. Año : 2018 1.5. Créditos : 04
Más detallesDISEÑO CURRICULAR ESTADÍSTICA III
UNIVERSIDAD NUEVA ESPARTA FACULTAD DE CIENCIAS DE LA INFORMATICA ESCUELA DE COMPUTACION DISEÑO CURRICULAR ESTADÍSTICA III ESCUELA DE COMPUTACIÓN CÓDIGO DE LA ESCUELA: 10-0762-2 ASIGNATURA: Estadística
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 detallesEstadística II Ejercicios Tema 2
Estadística II Ejercicios Tema 2 1. Una empresa farmacéutica está preocupada por controlar el nivel de impurezas en uno de sus productos; su objetivo es que la concentración de las impurezas no supere
Más detallesPrueba de Hipótesis. Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional
Una hipótesis estadística es un supuesto que se establece sobre las características de una distribución poblacional El estudio se plantea para la toma de decisión, es decir aceptar o rechazar el supuesto
Más detallesDiseño o de un estudio epidemiológico
Diseño o de un estudio epidemiológico Dr. José Luis Hernández Hernández Unidad de Metabolismo Óseo Departamento de Medicina Interna Hospital Marqués de Valdecilla Diseño del estudio: definición Un diseño
Más detallesMÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA Usando el modelo de probabilidad clásico de Laplace:
MÉTODOS ESTADÍSTICOS DE LA INGENIERÍA PRIMERA CONVOCATORIA 2011-2012 EJERCICIO 1 (1º) Calcular la probabilidad de que al lanzar dos dados la puntuación de uno de ellos sea menor que la del otro. Usando
Más detallesTEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA
TEMA Nº 2 CONTRASTE DE HIPÓTESIS EN LOS DISEÑOS DE UNA MUESTRA TIPOS DE CONTRASTE Contrastes paramétricos: Son aquellos que se relacionan con el estudio de un parámetro poblacional (media, varianza, proporción,
Más detallesTitulación(es) Titulación Centro Curso Periodo Grado de Medicina FACULTAT DE MEDICINA I ODONTOLOGIA
FICHA IDENTIFICATIVA Datos de la Asignatura Código 34454 Nombre Estadística Ciclo Grado Créditos ECTS 6.0 Curso académico 2017-2018 Titulación(es) Titulación Centro Curso Periodo 1204 - Grado de Medicina
Más detallesProbabilidad y Estadística
Probabilidad y Estadística Tema 10 Estadísticos muestrales y sus aplicaciones Objetivo de aprendizaje del tema Al finalizar el tema serás capaz de: Describir las propiedades de los estadísticos muestrales.
Más detallesESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura Créditos
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura 46497 Créditos 6 ECTS Carácter Básica Rama de Conocimiento Ciencias de la Salud Materia Fisiología Ubicación dentro del
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 detallesGUIA DOCENTE ESTADISTICA
1 GUIA DOCENTE ESTADISTICA 1- Datos de identificación Asignatura: Estadística Carácter: Formación básica Titulación: Psicología Ciclo: Grado Curso: 1 Cuatrimestre: Anual Departamento: Metodología de las
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 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 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 detallesTema 19 EPIDEMIOLOGÍA LABORAL
Tema 19 EPIDEMIOLOGÍA LABORAL QUÉ ES LA EPIDEMIOLOGÍA? Concepto de epodemiología Método epidemiológico Medidas de frecuencia Medidas de asociación Clasificación estudios epidemiológicos Epi (sobre) DEMOS
Más detalles