Claudia

Larissa Alonso Ferrel Josu Pez Galicia

Las matemticas han servido durante largo tiempo como una herramienta que nos ayuda a describir las relaciones que se establecen entre los aspectos de un fenmeno. Esta descripcin se da a travs de modelos como: Ejem: e=m*c

Representa componentes.

relaciones

entre

los

distintos

 El

hombre se vio ante cierta clase de fenmenos cuales se le dificultaron y no era posible una relacin exacta ( peso, talla y edad) los cuales no permitan observar una relacin. A esto se le conoce como fenmenos aleatorios (dependen del azar).

Los matemticos se apoyaron en la probabilidad, fue factible describir las relaciones en los fenmenos aleatorios. surgi a la luz el hecho de que aleatoriedad no es caos, y que la regularidad es mas frecuente que la inmutabilidad.

Se establecieron entonces los modelos estadsticos.

a : interseccin muestral b : pendiente muestral EE: error estndar. Exp(x): elevado a la potencia x. gl : grados de libertad Ho: hiptesis nula n : numero total de observaciones o caos. n -1: grados de libertad P: proporcin muestral P(x): probabilidad de que un evento x ocurra. P<, P>,P= : probabilidad de equivocarse al rechazar la hiptesis nula. r : coeficiente de correlacin s : desviacin estndar muestral.

Es una cantidad que puede tomar diferentes valores. Tambin se puede entender como un atributo o caracterstica que puede modificarse en cuanto a su presencia o ausencia Una constante, tiene un valor fijo.

Ejem: El dimetro de la pupila es una variable cuyo valor depende de la intensidad de luz que el ojo reciba.

Son representadas por smbolos con el objeto de poderlas escribir rpida y concisamente al manipular formulas o reglas de computacin. Se utilizan las letras finales del alfabeto para variables(x,y, z) y constantes ( i,j,k) se usan para conteo repetitivo.

xj = X1 +

X2 + Xn)

Sin embargo estas convenciones estn sujetas a cambio dependiendo del tema.

Las variables pueden ser consideradas en dos grandes categoras: cualitativas y cuantitativas. ( Esta distincin es la que mas nos interesa para el anlisis estadstico).
Cualitativas son observaciones que pertenecen a categoras de atributos ( caractersticas, cualidades, o calidades) Sexo, lugar de nacimiento, presencia de un sntoma.

Cuantitativas son aquellas cuyos cambios pueden ser medidos en escala. Las cuales se dividen en dos clases: continuas y discontinuas o discretas. Las discontinuas o discretas son: aquellas que solo pueden tomar valores enteros. Ejem: Miembros de una familia, numero de abortos, el numero de leucocitos observados en un campo.

Variables continuas pueden tomar valores fraccionales, es decir, cualquier valor entre dos puntos de una escala, y la precisin con que se mida depender del mtodo e instrumentos utilizados. Ejem: Peso, longitud, tiempo.

Se debe tomar en cuenta , que las variables anteriores pueden ser tratadas de diferente manera.

Ejem: Al medir la presin arterial (variable cuantitativa continua) Clasificacin de los individuos eh hipo, normo e hipertensos. Numero de hijos por familia ( Variable cuantitativa discreta). Promedio de hijos por familia ( variable cuantitativa continua).

En ocasiones dos variables estan relacionadas por el hecho de que el valor de una esta determinado por el valor de la otra. Ejem: El dimetro de la pupila es una funcin de una luz incidente.

En cierto sentido, la primera depende de la segunda y llamamos variable dependiente a aquella variable que reside de el valor de la primera se representan como ( X y Y).

Generalmente se desea tener una comparacin rpida entre distintos grupos de datos.

Para estos efectos estan las llamadas MEDIDAS DE RESUMEN, que su funcin es resumir la informacin contenida en el conjunto de datos y representarla en una sola expresin. Estas medidas pueden ser de dos clases: MEDIDAS DE TENDENCIA CENTRAL: Aquellas que muestran el grado en que los datos se parecen unos a los otros.

MEDIDAS DE DISPERSION: muestran el grado en que los datos se diferencian entre si.

La moda (Mo) es el valor que ocurre con frecuencia. No se utiliza en estadstica por su inestabilidad No permite conocer nada acerca de los datos no contenidos en ella. Se utiliza para la descripcin de observaciones correspondientes a escalas cardinales.

Es el valor de la observacin en una serie ordenada que deja el mismo numero de casos a cada lado de ella (tambin se le conoce como percentil).

Mediana = (n + 1)

esima

Si n es numero par, la mediana se define como la media aritmtica de las dos observaciones centrales. Se le utiliza en caso de distribuciones asimtricas y para escalas ordinales. No toma en cuenta la informacin del resto de las observaciones.

En un estudio realizado en una clnica prenatal, se obtuvieron los datos sobre paridad de 54 mujeres embarazadas. Los resultados son los siguientes:
PARIEDA D 0 1 2 3 4 5 TOTAL NUM.MUJER ES 29 17 3 2 2 1 54 % 53.7 31.5 5.6 3.7 3.7 1.8 100

MODA: cmo la mayor cantidad de Mujeres tiene un pariedad igual a Cero (29 mujeres) , entonces: Mo: 0 PARTOS MEDIANA : toma el valor que toma la observacin que deja a su vez la mitad. (n+1)= ( 54 + 1)= 27.5 se toma el valor promedio que es 29, entonces: Md= 0

Es simplemente un promedio, aunque de acuerdo a la terminologa tcnica, tambin la moda y la mediana se consideran promedios. Todos los smbolos que se utilicen letras griegas se referirn a los valores de toda la poblacin y las letras latinas corresponden a una muestra.

La media aritmtica se obtiene la formula: = ( Xj)/ n

La media es la medida de tendencia central mas utilizada por que toma en cuenta la info. Provista por todas y cada una de las observaciones.

Se utiliza para describir distribuciones simtricas, en escalas de intervalos ( donde las unidades de medida son iguales) y en escalas de razones ( es cero absoluto)

Ejem: En un estudio acerca de la absorcin de hierro, se midieron los niveles de hemoglobina ( mg/ 100 ml) en 19 voluntarios; los resultados son los siguientes:

CASO NUM. 1 2 3

Hb CASO (mg/ NUM. 100 ml) 14.4 17.4 15.4 11 12 13

Hb (mg/ 100 ml) 13.1 13.4 13.8

= ( Xj)/ n N=19 voluntarios x= 279 mg/100 ml

4 5
6 7 8 9 10

16.3 13.9
13.9 14.5 14.7 15 15.7

14 15
16 17 18 19

12.7 15.4
14.7 13.9 14.2 16.5

Sust: 279/19 =14.68 mg/100ml por persona

El estudia de la teora de la probabilidad puede convertirse en una de las experiencias mas desesperantes, sobre todo si se intenta establecer una base filosfica y matemtica para los enunciados de la probabilidad. La probabilidad es la proporcin de veces que un evento ocurre en una larga serie de observaciones.

Si la probabilidad es un proporcin, entonces no puede tomar valores menores que 0 y mayores que 1.

La suma de todos los eventos posibles es la probabilidad total, igual a 1 (o 100%)

P + Q= 1 Si descomponemos la probabilidad total (1) en las probabilidades de cada evento posible, estamos hablando de una distribucin de probabilidades . por ejem: en un grupo de individuos encontremos algunos con presin sistlica > 140 mmHg, mas la probabilidad de que encontremos entre 90 y 140 mmHg.

No tiene sentido definirla para un caso en particular ya que la probabilidad se refiere a una larga serie de observaciones.

Si en un grupo de familias cada una con dos hijos, estudiramos la probabilidad de que estos nios fueran de uno u otro sexo , podramos encontrar los siguientes casos posibles:

Donde la probabilidad de que un hijo cualquiera sea del sexo masculino P (M) = 0.5 y en Consecuencia, la probabilidad de que sea del sexo Femenino es P(F)= 0.5. De esa distribucin de Probabilidad resulta que los hijos sean varones es de 1/4 , sea 0.25; de que ambos sean mujeres es de (0.25) y de que sean de distinto sexo es de ( 0.5), lo que hace un total es de 1 ( o 100%)

1 er hijo 2 do hijo

M M
F F

M F
M F

La probabilidad de que ambos sean varones resulta multiplicar la probabilidad de cada uno P(M,M) = P(M) * P(M)= 0.5 * 0.5 Se debe notar que cualquier expresin del binomio (P + Q) es siempre igual a 1 es lo que representa la probabilidad total.

Es una expresin matemtica fue desarrollada por De Moivre y publicada en 1733 Es una distribucin de probabilidades. Es un modelo matemtico ( inductivo) de algunas distribuciones encontradas en la observacin de distintos fenmenos. Constituye una simplificacin idealizada de la realidad, y en la practica no encontramos nunca un grupo de observaciones que lo sigan fielmente, pero si lo observado es de alguna manera parecido a lo terico.

Es una distribucin de probabilidades de una variable continua, generalmente se representa con X. La curva de la distribucin normal tiene forma de campana, con altura mxima en el valor correspondiente. La curva de la distribucin normal es asimtrica, la media aritmtica se divide en dos partes iguales ( En la curva la media, mediana y moda tienen el mismo valor). El rea total bajo la curva representa la probabilidad total ( la cual es 1) Por lo que la media, al dividir la distribucin en dos partes iguales, deja a dos reas con valor de 0.5 a cada lado

En un grupo de pacientes que haban sufrido un infarto al miocardio se encontr, que su presin sistlica media era de 136 mmHg, con una desviacin estndar de 23.6 mmHg, Que proporcin de estos pacientes esperara encontrar con Una presin sistlica menos que 120 mmHg Identificar los datos bsicos: = 136 mmHg S= 23.6 mmHg encontrar las proporciones pedidas ,para esto hay que convertir los valores de la variable observada (X) En valores de la variable Z En este caso X= 120 por lo que Z= (X. )/s Z= (120 136) / 23.6 = - 16/ 23.6 = 0.68

Nota si el signo negativo o positivo de Z indica solamente el lado de la curva en el cual se esta trabajando, es negativo el valor se encuentra a la izquierda de la media, y si es positivo a la derecha.

Si Z= - o.68 se busca en la primera columna de la tabla el valor 0.6 en esa fila se busca el valor correspondiente a la columna encabeza por el numero 8( segundo decimal de Z) u= 0 y Z= -0.68 equivale a 0.2518 ( o 25.18% del total del rea bajo la curva).

Sin embargo lo que nos interesa es el rea que se encuentra debajo de Z= -0.68 es decir, la proporcin de los pacientes con una presin sistlica menor que 120 mmHg.

Entonces, si se sabe que el rea a cada lado de la media es igual a 0.5 ( o 50%)

Se resta a este ultimo valor el rea obtenida en la tabla rea buscada = 0.5 0.2518= -0.2482 La respuesta es que la proporcin de individuos que se espera encontrar con una presin sistlica menor que 120 mmHg es 0.2482 o 24.82%.

4.1Poblacin y muestra La poblacin, en el sentido estadstico, es un agregado o conjunto de casos (observaciones) que poseen ciertas caractersticas que se determinan de acuerdo a los intereses de una investigacin. En general, de esta poblacin se selecciona un nmero (n) de observaciones que servirn para llevar a cabo el estudio deseado.

 El

error de muestreo ser el resultado de la relacin entre dos factores: el tamao de la muestra y la variabilidad de las observaciones

4.3Intervalos de confianza.
Existe

el 95% de probabilidades de que el error de estimacin no sea numricamente mayor que 1.96 EE(X) se pueden definir otros intervalos a distintos niveles de confianza: X 2.58 EE(X) P 2.58 EE(P) que es el intervalo correspondiente al nivel de confianza del 99%. Por supuesto, el intervalo del 99% ser ms amplio que el del 95%, con un mismo error estndar

 En

un estudio realizado en una comunidad rural de Mxico, se tom una muestra de 127 individuos, a quienes se les midi e^ nivel de colesterol srico. Los resultados arrojaron una media (X) igual a 250.16 mg/100 ml y una desviacin estndar (s) igual a 48.29 mg/100 ml Suponiendo que esta muestra fue correctamente tomada y que es representativa de la poblacin de la cual se obtuvo, cul sera el intervalo de confianza del 95% para estimar la verdadera media poblacional?

1.-DEFINA LOS DATOS BASICOS: n = 127 individuos X= 250.16 mg/100 ml por individuo s = 48.29 mg/100 ml 2.-OBTENGA EL ERROR ESTANDAR: EE(X) = s/n = 48.29/127 = 4.29 mg/100ml 3.-OBTENGA EL INTERVALO DE CONFIANZA DEL 95%: X 1.96 EE (X) 250.16 (1.96 * 4.29) 250.16 8.41 esto es, de 241.75 mg/100 ml hasta 258.57 mg/100 ml

 Con

un 95% de probabilidades de acertar, se puede afirmar que la verdadera media poblacional del nivel de colesterol srico se encuentra entre 241.75 y 258.57 mg/100 ml, en la poblacin de la cual se tom esta muestra.

 5.1

una sola media muestral Existen ocasiones en que al tomar una sola muestra, interesa saber si los resultados obtenidos (X) proceden de una poblacin cuyos valores de y de o son conocidos. En la realidad, no es tan fcil tener estimaciones de , por lo que es comn utilizar el valor de la desviacin estndar muestral (s).

La infeccin por microorganismos provoca una compleja respuesta en el hospedero, la cual puede incluir alteraciones en el metabolismo intermedio. Entre otras cosas, se puede producir una disminucin en los procesos de remocin de lipoproteinas circulantes, a la vez que un incremento en la sntesis heptica de lpidos. Se piensa que estas alteraciones son producidas por las citoquinas liberadas durante la respuesta inmune. Por estos motivos, se ha sugerido que puede existir una asociacin entre el sndrome de inmunodeficiencia adquirida (SIDA) y los niveles elevados de triglicridos en la sangre.En un estudio en el que se analizaron estos niveles, en 32 pacientes con SIDA, se encontr una media de 231 mg/dl. Si en la poblacin normal el nivel promedio es de 91 mg/dl, con una desviacin estndar de 41.23 mg/dl, existe evidencia de que la hipertrigliceridemia puede considerarse como una manifestacin del SIDA?

1.- DEFINA LOS DATOS BASICOS: u = 91 mg/dl a = 41.23 mg/dl x= 231 mg/dl n = 32 pacientes 2.-OBTENGA EL ERROR ESTANDAR: EE(X) = a /n = 41.23/32 = 7.2885 3.-OBTENGA EL VALOR DE Z: Z = (X-)/EE(X) = (231-91 )/7.2885 = 19.21

 Ya

que el valor de Z es mucho mayor numricamente que los niveles crticos de 1.96 y de 2.58, se puede rechazar la hiptesis nula al nivel de significancia del 1% o inclusive de 0.1%: P <0.001 (en realidad, P = 5.58 *10-52).

5.2CONTRASTE DE HIPOTESIS PARA UNA SOLA PROPORCION MUESTRAL.

INFORMACION En un estudio para verificar la teora de que la resistencia a la dieldrina (0.4% con exposicin de una hora) es debida a un solo gene dominante en Anopheles farauti, homocigotos resistentes (RR) fueron cruzados con homocigotos susceptibles (rr) para producir una poblacin de heterocigotos (F1). Los mosquitos F1 fueron nuevamente cruzados con una cepa de homocigotos susceptibles. De acuerdo con la teora de la determinacin uni- gnica, el porcentaje de la progenie de este ltimo entrecruzamiento que podra ser susceptible a la dieldrina es de 50%. De 465 mosquitos de esta progenie, 264 (56.77%) murieron. Es este porcentaje significativamente diferente al porcentaje que predice el modelo gentico?

1.-IDENTIFIQUE LOS DATOS BASICOS: TI = 0.5 (proporcin predicha por el modelo) n = 465 (mosquitos estudiados) r = 264 (mosquitos muertos) P = 0.5677 (proporcin observada) 2.-OBTENGA EL ERROR ESTANDAR: EE(P) = V[7r(1-7r)/n] = [0.5*0.5/465] = 0.0232 3.-OBTENGA EL VALOR DE Z: Z = (P-) / EE(P) = (0.5677-0.5)/0.0232 = 2.919 o de acuerdo a la otra frmula Z = (r-n) / [n(1-)] = 264-232.5/ 10.78 = 2.92

 Ya

que el valor de Z es mayor que 1.96 se puede rechazar la hiptesis nula P <0.05 e inclusive puede hacerse al nivel de significancia del 1% P <0.01 (en realidad P = 0.0035). Por este motivo se puede afirmar que existe evidencia para rechazar la hiptesis de que la resistencia a la dieldrina se debe a un solo gene dominante, y que por lo tanto, debe buscarse alguna otra explicacin al fenmeno.