AMM

A SOCIACIN de MDICOS MUNICIPALES

de la CIUDAD DE BUENOS AIRES

Investigacin cuantitativa y Estadstica aplicada

Tema:
Estadstica inferencial e Interpretacin de Resultados de Anlisis Multivariados y Especiales Dra. Laura Moratal Ibez

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

INDICE 1.- ESTIMACION O INFERENCIA

1.1 1.2 1.3 1.4 1.5 ESTIMACIN PUNTUAL Y DE INTERVALO DISTRIBUCIONES MUESTRALES ERROR MUESTRAL CURVA DE UNA DISTRIBUCIN MUESTRAL TEOREMA DEL LMITE CENTRAL

2.- CONSTRASTACIN DE HIPOTESIS

2.1 PRUEBA DE HIPTESIS 2.1.1 La hiptesis nula y las hiptesis alternativas 2.1.2 Errores alfa y beta 2.1.3 Rechazo o aceptacin de la hiptesis 2.2 ESTADSTICOS DE PRUEBA Y TIPOS DE ENSAYOS 2.2.1 Estadsticos ms utilizados 2.2.2 Tipos de Ensayos

3.- TAMAO MUESTRAL Y POTENCIA

3.1 DETERMINACIN DEL TAMAO MUESTRAL 3.2 POTENCIA DEL CONTRASTE

4.- ESTADISTICA APLICADA A PRUEBAS DIAGNOSTICAS

4.1 PRUEBAS DIAGNSTICAS SIMPLES 4.1.1 Mtodo de evaluacin de test diagnsticos 4.1.2 Patrn oro o gold estndar 4.1.3 El test o prueba en estudio 4.1.4 Comparacin de mediciones 4.2 DESCRIPTORES BSICOS Y COMBINACIONES DE ELLOS 4.2.1 Cociente de probabilidad o likelihood ratio 4.2.2 Punto de corte 4.2.3 Curvas ROC 4.3 PRUEBAS MLTIPLES 4.3.1 Pruebas en paralelo 4.3.2 Pruebas en serie

5. ESTADISTICA APLICADA A RIESGO Y PREVENCIN

5.1 ESTUDIOS BIVARIADOS 5.1.1 Tablas de 2 x 2 5.1.2 Tablas de 2 x N 5.1.3 Tablas M x N 5.2 ESTUDIOS MULTIVARIADOS 5.2.1 Tablas 2x2 estratificadas 5.2.2 Regresin mltiple y logstica

6.- ESTADISTICA APLICADA A INTERVENCIONES

6.1 CONTROL DEL EXPERIMENTO 6.1.1 Equivalencia de los grupos 6.1.2 Grupos independientes 6.1.3 Grupos relacionados 6.2 PRUEBAS BIVARIADAS 6.2.1 Pruebas paramtricas 6.2.2 Pruebas no paramtricas 6.3 PRUEBAS MULTIVARIADAS 6.3.1 Anlisis de la varianza 6.3.2 Contraste de Hiptesis F. de Snedecor 6.3.3 Pruebas post hoc 6.3.4 Anlisis de la varianza de dos factores

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

1. ESTIMACION o INFERENCIA
En los dos primeros mdulos aplicamos los conocimientos de estadstica descriptiva, para justamente poder realizar una descripcin de diferentes caractersticas de un determinado concepto de la realidad. Al final de un diseo descriptivos, viendo como se comportan ciertas variables se pueden terminar haciendo propuestas causales o hiptesis, las cuales debern ser verificadas mediante otra clase de diseo que es el que veremos en los siguientes captulos A partir de esas hiptesis, se intentar conformar teoras explicativas sobre los fenmenos y sus causas. Teoras que slo sern propuestas sobre la realidad, ya que el mtodo probabilstico slo permite aceptar o rechazar estas hiptesis con una seguridad determinada. Por eso una hiptesis repetidamente verificada, igual no da absoluta garanta de su generalizacin ya que, como se dijo siempre hay una posibilidad de error. El mtodo cientfico no garantiza que la generalizacin de una hiptesis confirmada pueda generalizarse a todos los casos, pero s permite la refutacin de una hiptesis con una sola evidencia en contra de ella. El mtodo cientfico slo nos permite ir sabiendo con cierta seguridad como el mundo no es. En base a las hiptesis verificadas igualmente se va armando un modelo o representaciones grficas explicativas de cmo se relacionan los diferentes conceptos que intervienen en un problema. El principal modelo que sustenta muchos de los abordajes estadsticos es; una relacin lineal, directa y en un solo sentido entre causa y efecto. Desgraciadamente ese modelo fue muy til para explicar las enfermedades e ndole microbiana; la causa estaba representada por el microbio y el efecto era una enfermedad especfica. Este modelo result no ser suficiente para explicar muchas de las enfermedades crnicas con un importante factor social y cultural en su intervencin. Se propusieron entonces diferentes modelos con mayor nmero de componentes y una estructura de relaciones ms complicada, modelos que luego tambin se aplicaron inclusive a las enfermedades infecciosas. Por estas razones, cada vez surgen propuestas de anlisis estadsticos ms avanzados, que permiten considerar en conjunto las mltiples causas que muchas veces se relacionan con un evento determinado.

1.1 Estimacin puntual y de intervalo

Cuando no se trabaja con toda la poblacin, sino con una muestra, una vez obtenidos las mediciones que el investigador ha decidido sobre la misma intenta inferir o estimar con esos resultados el verdadero valor en la poblacin. Existen dos tipos de estimaciones para parmetros; estimacin puntual y por intervalo: Una estimacin puntual es un nico valor estadstico y se usa para estimar un parmetro. El estadstico usado se denomina estimador. Por ejemplo la media obtenida de una muestra de tamao X se puede utilizar para estimar el verdadero valor de la media de la poblacin. Una estimacin por intervalo es un rango, generalmente de ancho finito, con un valor mnimo y uno mximo, dentro del cual se espera est contenido el parmetro con un grado de confianza.

Un intervalo de confianza se calcula siempre seleccionando primero un nivel de confianza, que es una medida del grado de fiabilidad en el intervalo. En medicina se utiliza generalmente un intervalo con un nivel de confianza de 95%, que significa que existe un 95% de confianza para asegurar que dentro de ese intervalo se encuentra el verdadero valor de la media poblacin. Lo cual es lo mismo que decir que del 95% de todas las muestras se obtendra un valor del estadstico muestral, tal que si

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

se armara en base a l un intervalo de confianza incluiran al valor verdadero valor poblacional. Slo el 5% de las muestras podra producir un intervalo errneo que no lo incluyera. Por ejemplo en la figura se grafican los intervalos de confianza obtenidos en 11 muestras, todos tienen la misma longitud pero algunos estn ms desviados de la linea central que representara el verdadero valor poblacional. Se puede observar que slo 2 muestras no incluiran al valor poblacional .

El intervalo de confianza se construye en base al estimador muestral, sumndole y restndole dos errores estndar, luego se ver como se obtienen este valor y que significado tiene.

1.2 Distribuciones Muestrales

Como se pudo observar en el ejemplo anterior las muestras aleatorias obtenidas de una poblacin son impredecibles. No se puede esperar que dos muestras aleatorias del mismo tamao y tomadas de la misma poblacin, tengan la misma media muestral o que sean completamente parecidas. Al ser diferentes y los estadsticos tomar distintos valores, se le puede considerar como una variable aleatoria con su correspondiente distribucin de frecuencias. La distribucin de frecuencia de un estadstico muestral se denomina distribucin muestral y se construye en base a todos sus valores posibles calculados a partir de muestras del mismo tamao. Ejemplo: Se eligen muestras ordenadas de tamao 2, sin reemplazo, de la poblacin de valores 0, 2, 4 y 6. Determine (media poblacional), (desviacin estndar poblacional), x (media de la distribucin muestral de medias) y la x (desviacin estndar de la distribucin muestral de medias). Grafique las frecuencias para la poblacin y para la distribucin muestral de medias. Solucin: a. La media poblacional es: b. La desviacin estndar de la poblacin es:

c. A continuacin se listan todas las muestras posibles y su promedio. Luego se realizara una distribucin de las frecuencias de esos promedios muestrales 4

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

n=2 N muestras promedios

1 2 3 4 5 6 0,2 0,4 0,6 2,4 2,6 4,6 1 2 3 3 4 5 P=18/6:3

distribucin de frecuencias

(x-X)
-2 -1 0 0 1 2

( x-X)2
4 1 0 0 1 4 S2=10/5:2

valor
0 1 2 3 4 5

frecuencia
0 1 1 2 1 1

d. La media de la distribucin muestral de medias se obtiene por la sumatoria de todos los promedios (18) dividido el nmero de datos (6). El resultado 18/6=3, es el promedio de todos los promedios muestrales e. La desviacin estndar de toda la distribucin muestral de medias, se obtiene de sacar la raz cuadrada de la varianza de todos los promedios muestrales. Esta varianza se obtiene por la sumatoria de la distancia de cada uno de los promedios a ese promedio general, elevado al cuadrado y dividido 6. El D.E por lo tanto es la 2 =1,41. Este valor es menor que el valor, del desvo poblacional que era de 2,236. El resultado del promedio de la poblacin y el promedio de todos los promedios de las muestras es el mismo y eso es as en todos los casos. La distribucin muestral de medias tiene una media igual a la media poblacional. No ocurre lo mismo con el desvo. La curva que se formara al graficar las frecuencias de los valores x, sera ms extendida que la que se obtendra al graficar la frecuencia de los promedios muestrales de x (X). Por lo tanto al ser mas dispersa es mayor el desvo estndar de la distribucin de frecuencias de x (datos) que la distribucin de frecuencias de X (promedios muestrales), el cual se denomina error estndar de la media. La relacin entre ambos desvos depende del tamao de las muestras sobre las cuales se extrajeron los promedios. Cuando mayor es el tamao muestral menor ser el desvo de esos promedios del verdadero valor poblacional. Se observa en la figura 3 curvas donde se evidencia que a mayor tamao de la muestra la curva de la distribucin de promedio, va siendo cada vez ms empinada. Ya tenemos el concepto de error estndar de la media y se entiende claramente que depende de la dispersin de los datos ( ) y en relacin inversa del tamao de la muestra de la cual se extrajo ese estadstico (n), su valor se obtiene dividiendo el valor del desvo poblacional sobre la raz cuadrada del tamao muestral El intervalo de confianza del 95% con un tamao muestral 2, sera muy grande, un gran nivel de incertidumbre, por eso es necesario trabajar con tamaos muestrales de mayor tamao

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez

El intervalo de confianza de 95% por lo tanto es un concepto que se refiere a lo que sucedera si se tuvieran que construir un gran nmero de intervalos semejantes. Ahora bien, el investigador slo saca una muestra, pero sabe por el teorema central, que el intervalo que arme a partir del valor del estadstico obtenido en esa muestra tiene el 95% de probabilidad de contener el valor poblacional, y el 5% de no contenerlo. Por esta cuestin, por ms que se cumpla adecuadamente con todos los pasos, toda estimacin conlleva un error posible, cuyo tamao depender de diversos factores.

1.3 Error Muestral

Por ejemplo, supongamos que se ha obtenido una muestra aleatoria de tamao 5 cuyos elementos son: 1, 2, 3, 4, 5. La media de la poblacin ser 15/5 =3. El rango entre 1 y 5 o sea de 4 con un desvo de 1,6. Ahora tomo de esa poblacin todas las muestras posibles de tamao 2 sin reemplazo. Por otro lado realizo el mismo experimento pero con muestras de un tamao mayor de 4 Como puede verse el promedio de todos los promedios muestrales, tanto en el caso de las muestras de tamao 2 como las de tamao 4 es igual a 3 o sea igual al promedio poblacional. Sin embargo las medidas de dispersin van disminuyendo, de la poblacin (rango: 4 y D.E:1,41), en las muestras de tamao 2 (rango:3 y E.S.M:0,91) y en las muestras de tamao igual a 4 ( rango: 1 y E.S.M: 0,35). Al aumentar el tamao muestral disminuye la dispersin de las curvas y el desvo de las medias. n=2 muestras 12 13 14 23 15 24 25 34 35 45 n=4 muestras 1234 1235 1245 1345 2345

N 1 2 3 4 5 6 7 8 9 10

promedio 1,5 2 2,5 2,5 3 3 3,5 3,5 4 4,5

N 1 2 3 4 4

promedio 2,5 2,75 3 3,25 3,5

Promedio de las medias muestrales: 30/ 10= 3 Rango: 1,5 a 4,5: 3 E.S.M: 0,91

Promedio de las medias muestrales:15/5=3 Rango: 2,5 a 3,5: 1 E.S.M: 0,395

1.4 Curva de una distribucin muestral

Despus de haber realizado el ejercicio anterior se puede ver que una distribucin muestral se genera extrayendo todas las posibles muestras del mismo tamao de la poblacin y calculndoles a stas su estadstico. Se cumple que si la poblacin de la que se extraen las muestras es normal, la distribucin muestral de medias ser normal sin importar el tamao de la muestra. Si la poblacin de donde se extraen las muestras no es normal, entonces el tamao de la muestra debe ser mayor o igual a 30, para estar seguros que la distribucin muestral de sus estadsticos muestrales, tenga una forma acampanada o normal. Mientras mayor sea el tamao de la muestra, ms cerca estar la distribucin muestral de ser normal.

PROHIBIDA SU REPRODUCCIN- Dra. Laura Moratal Ibaez