CLASE

Bioestadstica 2013-2 USS 1
Bioestadstica
Variables aleatorias y distribuciones
Angela Vargas M.
2
Bioestadstica 2013-2 USS
Variable aleatoria
El resultado de un experimento aleatorio puede ser
descrito en ocasiones como una cantidad numrica.

En estos casos aparece la nocin de variable aleatoria
Funcin que asigna a cada suceso un nmero.

Las variables aleatorias pueden ser discretas o
continuas (como en el primer tema del curso).

En las siguientes transparencias vamos a recordar
conceptos de temas anteriores, junto con su nueva
designacin. Los nombres son nuevos. Los conceptos
no.
3
4
Funcin de probabilidad (V. Discretas)
Asigna a cada posible valor
de una variable discreta su
probabilidad.
Recuerda los conceptos de
frecuencia relativa y diagrama de
barras.
Ejemplo
v.a = Nmero de caras al
lanzar 3 monedas.
Probabilidad de 0 caras= x x = 0,125
Probabilidad de 1 caras= 3 x x x = 0,375
S,S,C S,C,S C,S,S
Y ASI
0%
5%
10%
15%
20%
25%
30%
35%
40%
0 1 2 3
5
Funcin de densidad (V. Continuas)
Definicin
Es una funcin no negativa de integral 1.
Pinsalo como la generalizacin del
histograma con frecuencias relativas para
variables continuas.

6
Para qu sirve la f. densidad?
Muchos procesos aleatorios vienen descritos por variables de forma
que son conocidas las probabilidades en intervalos.

Es decir, identificamos la probabilidad de un intervalo con el rea bajo
la funcin de densidad.
7
Bioestadstica 2013-2. USS
Funcin de distribucin
Es la funcin que asocia a cada valor de una
variable, la probabilidad acumulada
de los valores inferiores o iguales.

Pinsalo como la generalizacin de las
frecuencias acumuladas. Diagrama integral.

A los valores extremadamente bajos les corresponden
valores de la funcin de distribucin cercanos a cero.

A los valores extremadamente altos les corresponden
valores de la funcin de distribucin cercanos a uno.

Lo encontraremos en los artculos y aplicaciones en forma
de p-valor, significacin,
No le des ms importancia a este comentario ahora. Ya
que les ira sonando mas familiar conforme avancemos.
8
Valor esperado y varianza de una v.a. X
Valor esperado
Se representa mediante E[X]
Es el equivalente a la media

Varianza
Se representa mediante VAR[X] o
2

Es el equivalente a la varianza
Se llama desviacin tpica a

9
Algunos modelos de v.a.
Hay v.a. que aparecen con frecuencia en las Ciencias
de la Salud.
Experimentos dicotmicos ( experimento aleatorio cuyos resultados
posibles son slo dos, o nos interesa considerarlos como dos)
Bernoulli

Contar xitos en experimentos dicotmicos repetidos:
Binomial
Poisson (sucesos raros)

Y en otras muchas ocasiones
Distribucin normal (gaussiana, campana,)

El resto del tema est dedicado a estudiar estas
distribuciones especiales.
10
Distribucin de Bernoulli
Tenemos un experimento de Bernoulli si al realizar un
experimentos slo son posibles dos resultados:
X=1 (xito, con probabilidad p)
X=0 (fracaso, con probabilidad q=1-p)

Lanzar una moneda y que salga cara.
p=1/2
Elegir una persona de la poblacin y que est enfermo.
p=1/1000 = prevalencia de la enfermedad
Aplicar un tratamiento a un enfermo y que ste se cure.
p=95%, probabilidad de que el individuo se cure

Como se aprecia, en experimentos donde el resultado
es dicotmico, la variable queda perfectamente
determinada conociendo el parmetro p.

11
Ejemplo de distribucin de Bernoulli.
Se ha observado estudiando 2000 accidentes de trfico
con impacto frontal y cuyos conductores no tenan
cinturn de seguridad, que 300 individuos quedaron con
secuelas. Describa el experimento usando conceptos de
v.a.

Solucin.
La noc. frecuentista de prob. nos permite aproximar la probabilidad de
tener secuelas mediante 300/2000=0,15=15%

X=tener secuelas tras accidente sin cinturn es variable de Bernoulli
X=1 tiene probabilidad p 0,15
X=0 tiene probabilidad q 0,85
12
Ejemplo de distribucin de Bernoulli.
Se ha observado estudiando 2000 accidentes de trfico
con impacto frontal y cuyos conductores s tenan
cinturn de seguridad, que 10 individuos quedaron con
secuelas. Describa el experimento usando conceptos de
v.a.

Solucin.
La noc. frecuentista de prob. nos permite aproximar la probabilidad de
quedar con secuelas por 10/2000=0,005=0,5%

X=tener secuelas tras accidente usando cinturn es variable de
Bernoulli
X=1 tiene probabilidad p 0,005
X=0 tiene probabilidad q 0,995
13
Observacin
En los dos ejemplos anteriores hemos visto cmo enunciar los
resultados de un experimento en forma de estimacin de
parmetros en distribuciones de Bernoulli.
Sin cinturn: p 15%
Con cinturn: p 0,5%

Para decidir si entre ambas cantidades existen diferencias
estadsticamente significativas necesitamos introducir conceptos
de estadstica inferencial (extrapolar resultados de una muestra a
toda la poblacin).

Es muy pronto para resolver esta cuestin ahora. Esperemos a las
pruebas de X
2
.

14
Distribucin binomial
Funcin de probabilidad

Problemas de clculo si n es grande y/o p cercano a 0 o 1.

Media: =n p

Varianza:
2
= n p q
n k q p
k
n
k X P
k n k
s s
|
|
.
|
\
|
= =

0 , ] [
15
Distribucin Binomial
Si se repite un nmero fijo de veces, n, un experimento de
Bernoulli con parmetro p, el nmero de xitos sigue una
distribucin binomial de parmetros (n,p).

Lanzar una moneda 10 veces y contar las caras.
Bin(n=10,p=1/2)

Lanzar una moneda 100 veces y contar las caras.
Bin(n=100,p=1/2)
Difcil hacer clculos con esas cantidades. El modelo normal ser ms adecuado.

El nmero de personas que enfermar (en una poblacin de 500.000
personas) de una enfermedad que desarrolla una de cada 2000
personas.
Bin(n=500.000, p=1/2000)
Difcil hacer clculos con esas cantidades. El modelo de Poisson ser ms
adecuado.
16
Distribucin de Poisson
Tambin se denomina de sucesos raros.
Se obtiene como aproximacin de una
distribucin binomial con la misma media, para
n grande (n>30) y p pequeo (p<0,1).
Queda caracterizada por un nico parmetro
(que es a su vez su media y varianza.)
Funcin de probabilidad:
,... 2 , 1 , 0 ,
!
] [ = = =

k
k
e k X P
k
17
Ejemplos de variables de Poisson
El nmero de individuos que ser atendido un da cualquiera en el
servicio de urgencias del hospital clnico universitario.
En una cuidad hay 500.000 habitantes (n grande)
La probabilidad de que cualquier persona tenga un accidente es pequea,
pero no nula. Supongamos que es 1/10.000
Bin(n=500.000,p=1/10.000) Poisson(=np=50)

Sospechamos que diferentes hospitales pueden tener servicios de
traumatologa de diferente calidad (algunos presentan pocos, pero
creemos que an demasiados, enfermos con secuelas tras la
intervencin). Es dificil compararlos pues cada hospital atiende
poblaciones de tamaos diferentes (ciudades, pueblos,)
Tenemos en cada hospital n, n de pacientes atendidos o n individuos de la
poblacin que cubre el hospital.
Tenemos p pequeo calculado como frecuencia relativa de secuelas con
respecto al total de pacientes que trata el hospital, o el tamao de la
poblacin,
Se puede modelar mediante Poisson(=np)
18
Distribucin normal o de Gauss

Est caracterizada por dos parmetros: La media, ,
y la desviacin tpica, .

Su funcin de densidad es:
2
2
1
2
1
) (
|
.
|
\
|

=
o
t o
x
e x f
19
N(, ): Interpretacin
geomtrica
Puedes interpretar la
media como un factor
de traslacin.

Y la desviacin tpica
como un factor de
escala, grado de
dispersin,
20
Algunas caractersticas
La funcin de densidad es simtrica, mesocrtica ( presenta un grado de concentracin
medio alrededor de los valores centrales de la variable) y unimodal.
Media, mediana y moda coinciden.

Si tomamos intervalos centrados en , y cuyos extremos estn
a distancia , tenemos probabilidad 68%
a distancia 2 , tenemos probabilidad 95%
a distancia 25 tenemos probabilidad 99%

Todas las distribuciones normales N(, ), pueden ponerse mediante una
traslacin , y un cambio de escala , como N(0,1). Esta distribucin
especial se llama normal tipificada.
21
Estandarizacion
Dada una variable de media y desviacin tpica , se denomina
valor tipificado,z, de una observacin x, a la distancia (con signo) con
respecto a la media, medido en desviaciones tpicas, es decir

En el caso de variable X normal, la interpretacin es clara: Asigna a
todo valor de N(, ), un valor de N(0,1) que deja exctamente la
misma probabilidad por debajo.

o

=
x
z
22
Bioestadstica. U. Mlaga.
Tabla N(0,1)
Z es normal estandarizada.

Calcular P[Z<1,85]
Solucin: 0,968 = 96,8%
23
Tabla N(0,1)

Calcular P[Z<-0,54]
Solucin: 1-0,705 = 0,295
24
Tabla N(0,1)

Calcular P[-0,54<Z<1,85]
Solucin: 0,968-0,295= 0,673
25
Ejemplo: Clculo con probabilidades normales

El colesterol en la poblacin tiene distribucin
normal, con media 200 y desviacin 10.

Qu porcentaje de indivduos tiene
colesterol inferior a 210?

26
Todas las distribuciones normales son similares salvo traslacin y cambio de
escala: Estandaricemos.

1
10
200 210
=
=
o
x
z
841 , 0 ) ver tabla ( ] 00 , 1 [ = = < Z P
27
Ejemplo: Estandarizacin
Se quiere dar una beca a uno de dos estudiantes de
sistemas educativos diferentes. Se asignar al que
tenga mejor expediente acadmico.
El estudiante A tiene una calificacin de 8 en un sistema
donde la calificacin de los alumnos se comporta como
N(6,1).
El estudiante B tiene una calificacin de 80 en un sistema
donde la calificacin de los alumnos se comporta como
N(70,10).
Solucin
No podemos comparar directamente 8 puntos de A frente a
los 80 de B, pero como ambas poblaciones se comportan
de modo normal, podemos estandarizar y observar las
puntuaciones sobre una distribucin de referencia N(0,1)
28
1
10
70 80
2
1
6 8
=
=
=
=
B
B B
B
A
A A
A
x
z
x
z
o

o

Como Z
A
>Z
B
, podemos decir que el
porcentaje de compaeros del mismo
sistema de estudios que ha superado
en calificacin el estudiante A es
mayor que el que ha superado B.
Podramos pensar en principio que A
es mejor candidato para la beca.

29
Por qu es importante la distribucin normal?
Las propiedades que tiene la distribucin normal son
interesantes, pero todava no hemos hablado de por qu
es una distribucin especialmente importante.

La razn es que aunque una v.a. no posea distribucin
normal, ciertos estadsticos/estimadores calculados
sobre muestras elegidas al azar s que poseen una
distribucin normal.

Es decir, tengan las distribucin que tengan nuestros
datos, los objetos que resumen la informacin de una
muestra, posiblemente tengan distribucin normal (o
asociada).
30
Distribuciones asociadas a la normal
Cuando queramos hacer inferencia estadstica hemos visto que la
distribucin normal aparece de forma casi inevitable.

Dependiendo del problema, podemos encontrar otras (asociadas):
X
2
(chi cuadrado)
t- student
F-Snedecor

Veamos algunas propiedades que tienen (superficialmente).

Sobre todo nos interesa saber qu valores de dichas distribuciones son
atpicos.
Significacin, p-valores,
31
Bioestadstica. 2013-2. USS
Chi cuadrado
Tiene un slo parmetro
denominado grados de libertad.

La funcin de densidad es
asimtrica positiva. Slo tienen
densidad los valores positivos.

La funcin de densidad se hace
ms simtrica incluso casi
gausiana cuando aumenta el
nmero de grados de libertad.

Normalmente consideraremos
anmalos aquellos valores de la
variable de la cola de la
derecha.
32
T de student
Tiene un parmetro denominado
grados de libertad.

Cuando aumentan los grados de
libertad, ms se acerca a N(0,1).

Es simtrica con respecto al cero.

Se consideran valores anmalos los
que se alejan de cero (positivos o
negativos).
33
Bioestadstica. 2013-2. USS
F de Snedecor
Tiene dos parmetros
denominados grados de
libertad.

Slo toma valores
positivos. Es asimtrica.

Normalmente se consideran
valores anmalos los de la
cola de la derecha.
34
Qu hemos visto?
En v.a. hay conceptos equivalentes a los de temas
anteriores
Funcin de probabilidad Frec. Relativa.
Funcin de densidad histograma
Funcin de distribucin diagr. Integral.
Valor esperado media,
Hay modelos de v.a. de especial importancia:
Bernoulli
Binomial
Poisson
Normal
Propiedades geomtricas
Tipificacin
Aparece tanto en problemas con variables cualitativas (dicotmicas,
Bernoulli) como numricas
Distribuciones asociadas
T-student
X2
F de Snedecor

CLASE

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

CLASE

Enviado por

Direitos autorais:

Formatos disponíveis

Bioestadstica 2013-2 USS 1

Você também pode gostar