Repaso

Diseños según intervención
• Observacional: Estudios que no involucran

intervención o experimento.
• Experimental: Estudios con intervención, que

manipulan el factor de estudio (exposición,
tratamiento….), aleatorizando los sujetos en
grupos de tratamiento.
Diseños según seguimiento
• Transversales: Se realizan en un corte en el tiempo sin

ningún seguimiento.
• Longitudinales: Con seguimiento en el tiempo:

– Según relación cronológica con el inicio del estudio:
• Prospectivos. Se observa posteriormente al inicio del
estudio el resultado de la exposición a un factor de
riesgo. Inician con personas libres de la enfermedad.
• Retrospectivos. Se observan datos anteriores al inicio
del estudio.
• Ambispectivos. Se combinan componentes históricos
con respecto al antecedente de exposición junto con
seguimiento hacia el futuro de la población en estudio
para observar la aparición de la enfermedad.
Principales diseños de
estudios epidemiológicos
 De cohortes
 De casos y controles
 Ecológicos
 Ensayo clínico
 Meta análisis y revisiones
Muestreo en estudios estadísticos
•Muestreo Aleatorio Simple (MAS)
•Muestreo Aleatorio Sistemático (MAST)
•Muestreo Estratificado
•Muestreo por Conglomerados
•Muestreo Polietápico
Ejercicio 1.
Se desea determinar la mortalidad por cierta cardiopatía en una población de
2.000.000 de habitantes.
Para ello diseñamos un estudio cuyo muestreo será estratificado teniendo en
cuenta diversos factores que nos distribuyen a la población en Alto y Bajo
Riesgo, y sabiendo que el sexo y la edad influyen en esa enfermedad.
Teniendo en cuenta que en la Población total, tenemos 200.000 personas en

el grupo definido como de Alto Riesgo, que en este grupo el porcentaje de
varones es del 55% mientras que en el grupo de bajo riesgo es del 50% y
que en los varones tenemos un 20% menores de 10 años, un 60% entre 10 y
50 años y un 20% mayores de 50, mientras que en las mujeres este
porcentaje es de 40, 40 y 20% respectivamente para cada grupo de edad.
Realizar el árbol de estratificación y el número de muestra necesario en cada

uno de ellos sabiendo que en total necesitamos 2.000 personas.
0,20 <10 0,011 – 22
Ejercicio 1. Varones
0,60
10-50 0,033 – 66
0,55
0,20 >50 0,011 – 22
Alto Riesgo
0,4 <10 0,018 – 36
0,45
0,4
0,1 Mujeres 10-50 0,018 – 36
0,2 0,009 – 18
>50
Muestra
0,20 <10 0,09 – 180
(2000)
0,60 10-50 0,27 – 540
Varones
0,9 0,5
0,20 >50 0,09 – 180
Bajo Riesgo
0,4 <10 0,18 – 360
0,5
0,4
Mujeres 10-50 0,18 – 360
0,2 >50 0,09 – 180

ESTADÍSTICA DESCRIPTIVA
Frecuencia absoluta Frecuencia relativa

Variables cualitativas: n %
Medida de tendencia central Medida de dispersión
~N Simetría Media Desviación típica
Variables
Cuantitativas:
~N Asimetría Mediana Percentiles

PROBABILIDAD
Definición de Laplace
Teorema de la probabilidad total

Sea A1, A2, ...,An un sistema completo de sucesos tales que la probabilidad
de cada uno de ellos es distinta de cero, y sea B un suceso cualquier del que
se conocen las probabilidades condicionales P(B/Ai), entonces la
probabilidad del suceso B viene dada por la expresión:
Teorema de Bayes
Sea A1, A2, ...,An un sistema completo de sucesos, tales que la
probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso
cualquier del que se conocen las probabilidades condicionales P(B/Ai).
entonces la probabilidad P(Ai/B) viene dada por la expresión:
Distribución Binomial
•En cada prueba del experimento sólo son posibles dos resultados: el suceso A (éxito)
y su contrario Ā (fracaso).
•El resultado obtenido en cada prueba es independiente de los resultados obtenidos
anteriormente.
•La probabilidad del suceso A es constante, la representamos por p, y no varía de una
prueba a otra. La probabilidad de Ā es 1- p y la representamos por q .
El experimento consta de un número n de pruebas.
Parámetros de la Distribución Binomial - B(n,p)

Distribución de Poisson
Esta distribución aparece en algunos procesos que tienen una dimensión
temporal o espacial, y en fenomenos que tienen un alto número de
experimentos (alto n) y una baja probabilidad de que ocurran (baja p).
Parámetro de una variable aleatoria que sigue una distribución de

Poisson con media λ > 0, P(λ).
La media y varianza de X son iguales a λ,

E[S] = V[S] = λ.
DISTRIBUCIÓN NORMAL
La mayoría de las variables aleatorias que se presentan en los estudios
relacionados con las ciencias sociales, físicas y biológicas, son continuas con
media μ y σ como desviación típica. Este tipo de variables se dice que se
distribuye normalmente. El área bajo la función de densidad es 1.
Se tipifica el valor de la
distribución Normal que
queremos buscar.
X −µ
Z=
σ
En la tabla de la
distribución normal
tipificada, buscamos el
valor de α correspondiente
al valor de Z obtenido.
Inferencia estadística
ESTIMACIÓN PUNTUAL – Estimadores muestrales
Valores con los datos de la muestra, un único valor estimado para el

parámetro
ESTIMACIÓN POBLACIONAL – Estimación por intervalos de confianza (IC).
Se determina un intervalo dentro del cual se encuentra el valor del

parámetro, con una probabilidad determinada.
NIVEL DE CONFIANZA: Indica la proporción de veces que acertaríamos al afirmar

que el parámetro θ está dentro del intervalo al seleccionar muchas muestras.
Inferencia estadística
Distribución muestral de medias
•El error típico, o error estándar de la media.
• Recuérdese que la probabilidad de que µ esté en este intervalo es 1 - α.

• Para n≥30. Valores Z de la Normal
• Para n<30. Valores de la T de Student
•A un intervalo de este tipo se le denomina intervalo de confianza con un nivel

de confianza del 100.(1 - α)%.
•El nivel de confianza al 90%,
seria α=0,1 y Zα /2=1,64 (1,645)
•El nivel de confianza más

habitual en ciencias de la salud
es el 95%, en cuyo caso α=0,05
y Zα /2=1,96.
•El nivel de confianza al 99%,

seria α=0,01 y Zα /2=2,58.
(2,575)
Estimación de proporciones
Sea X una variable binomial de parámetros n y p (una variable binomial es el
número de éxitos en n ensayos; en cada ensayo la probabilidad de éxito (p) es la
misma, por ejemplo: número de diabéticos en 2000 personas).
Si n es grande y p no está próximo a 0 ó 1 (np ≥ 5) X es aproximadamente
normal con media np y varianza npq (siendo q = 1 - p) y se puede usar el
estadístico
(proporción muestral), que es también aproximadamente normal,
con error típico dado por
en consecuencia, un IC para p al 100(1 - α)% será
es decir, la misma estructura que antes:
Para n≥30 - valores Z de la Normal

Para n<30 - valores de la Binomial
Tipos de Hipótesis y Errores.
Tipos de Hipótesis.
Hipótesis Nula (H0). Cualquier Diferencia que observemos al azar.
Hipótesis Alternativa (H1). Difiere de H0, y es la diferencia excesiva
no atribuible al azar.
Tipos de Error.
Error Tipo I (Error α).- Riesgo de equivocarse al rechazar H0
Error Tipo II (Error β).- Riesgo de rechazar H1 siendo cierta.
Situaciones entre Hipótesis y Error.
H0 Cierta H1 Cierta
Rechazo H0 Error Tipo I Decisión correcta
p=α (0,05) p=1-β (poder o potencia)
No rechazo H0 Decisión correcta Error Tipo II
p=1-α p=β (0,2)
Detalles a tener en cuenta: 1- α y β están inversamente relacionadas.
2 - Sólo pueden disminuirse las dos, aumentando n.
Diferencia de dos medias: Prueba de la T de Student
H0:µ1 = µ2
H1:µ1 ≠ µ2
Ver el valor de probabilidad de la T con n1+n2-2 grados de libertad
Error estándar de la diferencia de medias
Varianzas homogéneas:
Varianzas no homogéneas:
El valor crítico tα /2 corresponde a una

distribución t cuyos grados de libertad se
calculan como g.l.=n1+n2-2

Repaso

Cargado por

Copyright:

Formatos disponibles

Repaso

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Repaso

Cargado por

Copyright:

Formatos disponibles

Diseños según intervención

• Observacional: Estudios que no involucran

• Experimental: Estudios con intervención, que

• Transversales: Se realizan en un corte en el tiempo sin

• Longitudinales: Con seguimiento en el tiempo:

•Muestreo Aleatorio Simple (MAS)

•Muestreo Aleatorio Sistemático (MAST)

•Muestreo por Conglomerados

Teniendo en cuenta que en la Población total, tenemos 200.000 personas en

Realizar el árbol de estratificación y el número de muestra necesario en cada

0,2 >50 0,09 – 180

Frecuencia absoluta Frecuencia relativa

Medida de tendencia central Medida de dispersión

~N Simetría Media Desviación típica

~N Asimetría Mediana Percentiles

Teorema de la probabilidad total

Parámetros de la Distribución Binomial - B(n,p)

Parámetro de una variable aleatoria que sigue una distribución de

La media y varianza de X son iguales a λ,

ESTIMACIÓN PUNTUAL – Estimadores muestrales

Valores con los datos de la muestra, un único valor estimado para el

ESTIMACIÓN POBLACIONAL – Estimación por intervalos de confianza (IC).

Se determina un intervalo dentro del cual se encuentra el valor del

NIVEL DE CONFIANZA: Indica la proporción de veces que acertaríamos al afirmar

•El error típico, o error estándar de la media.

• Recuérdese que la probabilidad de que µ esté en este intervalo es 1 - α.

• Para n<30. Valores de la T de Student

•A un intervalo de este tipo se le denomina intervalo de confianza con un nivel

•El nivel de confianza más

•El nivel de confianza al 99%,

(proporción muestral), que es también aproximadamente normal,

con error típico dado por

en consecuencia, un IC para p al 100(1 - α)% será

es decir, la misma estructura que antes:

Para n≥30 - valores Z de la Normal

Ver el valor de probabilidad de la T con n1+n2-2 grados de libertad

Error estándar de la diferencia de medias

El valor crítico tα /2 corresponde a una

También podría gustarte