BASES PARA EL RAZONAMIENTO

EN ESTADSTICA INFERENCIAL

Epidemiologa clnica y
Medicina Basada en
Evidencias
Facultad de Medicina UNAM
DRA. GEORGINA SOLANO ALVAREZ
EPIDEMILOGA
DRA. MA. DE ROSARIO VELASCO LAVN
ESTADISTICA:
Aplicacin en Salud Pblica y
Epidemiologa:

Cuantificacin de la distribucin, frecuencia

y determinantes de la salud y enfermedad
en la poblacin.
ESTADISTICA
DEFINICIN
Serie de mtodos y tcnicas para la
recoleccin, organizacin, resumen,
anlisis y presentacin de los datos
numricos para hacer inferencias
ESTADISTICA
DEFINICIN
Los datos son informacin sobre hechos
o caractersticas recolectadas a travs de
mediciones u observaciones efectuadas
a las personas u objetos que se
pretende estudiar
INFERENCIA ESTADSTICA

A partir del estudio de una muestra seleccionada

es posible llegar a conclusiones respecto de la
poblacin de donde proviene la muestra.

Resultados en la muestra (INFERENCIA) aplicacin al

universo.

La inferencia pretende generalizar la informacin

contenida en unos datos a un cuerpo de conocimiento
mas amplio
CONDICIONES PARA LA INFERENCIA.
La muestra debe ser representativa.

1.- Los sujetos deben ser seleccionados de forma

aleatoria.

2.- Todas las personas deben tener una probabilidad

conocida de ser seleccionadas para entrar en la
muestra.

3.- Cada persona debe ser elegida de manera

independiente de las dems.
Ejemplo
Si se desea determinar la prevalencia de obesidad en escolares
en la Ciudad de Mxico, es factible estimar el parmetro a partir del
estudio de una muestra representativa.
El estadstico a estimar ser una proporcin (prevalencia), calculada de
la siguiente manera:

Total de escolares con obesidad en la muestra

Total de escolares estudiados en la muestra

El resultado puede ser aplicado a todos los escolares de la Ciudad de

Mxico, si la muestra estudiada haya garantizado los supuestos
sealados
Previamente; seleccin aleatoria, con probabilidad conocida de
seleccin
y elegidos de manera independiente
ALTERNATIVAS PARA LA
INFERENCIA ESTADSTICA.

a) Estimacin puntual o de intervalos (IC)

b) Pruebas de hiptesis (Hiptesis nula e Hiptesis

alterna).
 A) INTERVALO DE CONFIANZA (IC)

Consta de dos valores numricos que definen un

rango dentro del cual se pretende que se
encuentre el parmetro de inters con un cierto
grado de confianza.
Se debe conocer:

a) La distribucin de la variable: normal o anormal

b) Grado de confianza deseado (1-): 90, 95 y 99.
 INTERVALO DE CONFIANZA (IC).

Frmula:
Estimador puntual (coeficiente de confiabilidad) x (error estndar)

Interpretacin:
IC 95 % de 100 muestras aleatorias de la poblacin,
calculando el IC 95 % en cada una de ellas
aproximadamente 95 de ellos contendran el verdadero
parmetro poblacional y 5 no lo contendran.
 PRUEBA DE HIPTESIS

1.- HIPTESIS DE INVESTIGACIN: conjetura o

suposicin que motiva el estudio que se sustenta en la
experiencia o conocimiento que se tiene del objeto
estudiado.

a) Descriptivas (describe alguna caracterstica en la poblacin)

b) De correlacin (establece asociaciones, predicciones o explicaciones)
c) Diferenciales: direccionales y no direccionales.
Direccionales de una cola: plantean magnitud de diferencias entre
grupos en una direccin
No direccionales o de dos colas: establecen diferencias entre variables
sin especificar magnitud o direccin de la diferencia

d) De causalidad (sentido de relacin causa-efecto)

 PRUEBA DE HIPTESIS
2.- HIPTESIS ESTADSTICA: proposicin sobre los
parmetros de una o ms poblaciones; debe ser
comprobada a travs de una prueba estadstica (prueba de
hiptesis).

a) Hiptesis nula (H0): asume la igualdad de los parmetros de ambas

poblaciones, (valores equivalentes) y cualquier diferencia entre ellas se
considera hecho casual resultado del error de muestreo (1=2).

b) Hiptesis alterna (H1): pretende establecer una diferencia en la

comparacin de dos muestras (12).

En trminos generales la prueba de hiptesis estadstica va

en sentido de rechazar la hiptesis nula
Ejemplo
Se desea conocer si la media de aos de los escolares
con sobrepeso u obesidad es diferentes en la
poblacin urbana que en la rural:
Hiptesis nula (Ho):
La media de edad en aos de los escolares con sobrepeso u
obesidad es igual en la poblacin urbana que en la rural

Hiptesis alterna (H1):

La media de edad en aos de los escolares con sobrepeso u
obesidad de la poblacin urbana es diferente a la media de
edad en aos de la poblacin rural
Ejemplo

Si existe suficiente poder estadstico (expresado en

significancia estadstica), es posible rechazar la
hiptesis nula, la cual seala que no existe diferencia
en edad media de los escolares con sobrepeso u
obesidad entre aquellos del rea urbana vs rea rural.
Se espera que la muestra cumpla con lo criterios de
aleatoriedad e independencia, para poder tener
informacin suficiente con respecto a la poblacin.
Ni la prueba de hiptesis, ni la inferencia estadstica
conducen a la demostracin de una hiptesis en si,
tan solo indican si la hiptesis alterna es respaldada o
no con los datos disponibles
 SELECCIN DE LA PRUEBA ESTADSTICA

PRUEBA DE HIPTESIS ESTADSTICA

depende de: TIPOS

1.-Escala de medicin PARAMTRICAS
a) Cuantitativa: - continua 1. prueba z
- discreta 2. prueba t- student
b) cualitativa: - nominal 3. prueba f
- ordinal 4. correlacin de pearson

2.- Lo que se pretende comparar: NO PARAMTRICAS

a) Promedios 1. Chi-cuadrada
b) Varianzas 2. Prueba exacta de Fisher
c) Proporciones 3. prueba de Mann-Whitney
d) Medida de riesgo. 4. prueba Kruskal-Wallis
 ZONA DE RECHAZO

Est conformada por aquellos valores que tienen menos

probabilidad de ocurrir si la hiptesis nula (1=2) es
verdadera .

Nivel de significancia del estadstico de prueba ().

(0.05)= implica rechazo de la hiptesis nula con
probabilidad de 5% de cometer un error debido al
muestreo.

Estadstica de prueba= (estadstica relevante- parmetro supuesto)

(error estndar de la estadstica relevante)
 REGLA DE DECISIN
El valor obtenido en la muestra se compara con los valores
de la distribucin de la prueba de hiptesis para conocer si
el valor calculado cae en la zona de rechazo.

La hiptesis nula se rechaza a favor de la hiptesis alterna,

cuando la hiptesis nula se encuentra en la zona de
rechazo.

Conclusiones posibles:

a) rechazar H0
b) no rechazar H0
Una hiptesis estadstica nunca se considera probada

El procedimiento de prueba de hiptesis depende de la

informacin obtenida de la muestra, consistente o no con
la hiptesis alterna (H1).

En el procedimiento de prueba de hiptesis existe la

probabilidad de llegar a una conclusin equivocada
(cometer un error).

1. ERROR TIPO I (error ) cuando se rechaza una H0

verdadera.
2. ERROR TIPO II (error )aceptacin de H0 cuando es
falsa.
PRUEBA DE HIPTESIS

TIPOS DE ERROR

PODER ESTADSTICO DE LA PRUEBA (1-) es la

probabilidad de rechazar la hiptesis nula cuando existe una
diferencia en la poblacin (asociacin), permite identificar
MAGNITUD.

NIVEL DE SIGNIFICANCIA ESTADSTICO (1- ). Es la

probabilidad de aceptar la H0 cuando es verdadera, (95%).
Representa el nivel de confianza de la muestra.
 TIPOS DE ERROR EN LAS PRUEBAS DE
HIPTESIS

Cuatro situaciones que definen si la decisin final es correcta o errnea al

probar cualquier hiptesis estadstica.
 SIGNIFICANCIA ESTADSTICA
Representa la estimacin de probabilidades de cometer
errores ( o ) ante la decisin de rechazar o no la hiptesis
nula.
Nivel de confianza determinado por (nivel de aceptacin del
error ).
Rechazar H0 depende de:

a) probabilidad de error
b) consultar valor p (probabilidad de cometer error )

P menor a (< a 0.05): rechazar la H0.

P mayor a (> a 0.05): no se puede rechazar H0

Mximo de probabilidad de ocurrencia del azar (error ) 5%.

SIGNIFICANCIA CLNICA BIOLOGICA
VS SIGNIFICANCIA ESTADSTICA

La significancia de los hallazgos obedece a

un balance entre la relevancia obtenida
mediante la prueba de hiptesis
estadstica y el peso de los resultados ante
una traduccin clnico-biolgica de los
mismos.
 INFERENCIA ESTADSTICA

INFERENCIA
ESTIMACIN PRUEBA DE
PUNTUAL ESTADSTICA
HIPTESIS
( VALOR DE P )

1. HIPTESIS DE 2. HIPTESIS
INVESTIGACIN ESTADSTICA
DIFERENCIALES
INTERVALO DE
CONFIANZA
(IC 90, 95 Y 99%) DE
HIPTESIS HIPTESIS
CAUSALIDAD
NULA (H0) ALTERNA (H1)
DESCRIPTIVAS
DE
CORRELACIN

1=2 12
EJEMPLO
Existe inters en comparar dos tratamientos (un diurtico D y el
tratamiento estndar E) para determinar cul de ellos es el ms eficaz en
el control de la presin arterial. Se disea un ensayo clnico, distribuyendo
aleatoriamente 60 pacientes hipertensos en dos grupos, cada uno de los
cuales recibe uno de los tratamientos. A los 3 meses, el porcentaje de
individuos controlados en cada grupo es del 70 y el 50%, respectivamente.

Qu conclusin puede obtenerse a la vista de estos resultados? Hasta

qu punto es posible que se deban simplemente al azar (variaciones del
muestreo) y que en realidad no exista ninguna diferencia de eficacia entre
ambas intervenciones?
EJEMPLO
El anlisis parte de la hiptesis de que no existen diferencias
entre los porcentajes de hipertensos controlados observados
en ambos grupos.

La prueba de significacin estadstica intentar rechazar esta

hiptesis, conocida como hiptesis nula (H o ).

Si se consigue, se aceptar la hiptesis alternativa (H a ),

segn la cual existen diferencias entre ambos grupos.
 EJEMPLO
El primer paso es formular la H o .

A continuacin se calcula, mediante la prueba estadstica ms adecuada,

la probabilidad de que los resultados observados puedan deberse al azar,
en el supuesto de que la H o sea cierta. En otras palabras, la probabilidad
de que, a partir de una poblacin de referencia, puedan obtenerse dos
muestras que presenten unos valores tan diferentes como los observados
simplemente por azar. Esta probabilidad es el grado de significacin
estadstica, que suele representarse con la letra p.

En tercer lugar, basndose en esta probabilidad, se decide si se rechaza o

no la H o . Cuanto menor sea la p, es decir, cuanto menor sea la
probabilidad de que el azar pueda haber producido los resultados
observados, mayor ser la evidencia en contra de la H o y, por tanto, mayor
ser la tendencia a concluir que la diferencia existe en la realidad.
EJEMPLO

Supongamos que, en el ejemplo, una vez aplicada la prueba estadstica

adecuada, se obtiene un valor de p aproximadamente de 0,10. Esto
significa que, si la H o fuera cierta, la probabilidad de que el azar pueda
producir unos resultados como los observados es del 10%, es decir, que
existe un 10% de probabilidad de que dos muestras de 30 sujetos
obtenidas de una misma poblacin presenten unos porcentajes del 70 y el
50% slo por variabilidad aleatoria.
EJEMPLO
Para decidir si se rechaza o no la H o , debe fijarse previamente un valor
de p por debajo del cual se considera que se dispone de la suficiente
evidencia en su contra para rechazarla. Este valor se conoce como valor de
significacin estadstica . De forma arbitraria, y por convenio, se fija
habitualmente en el 5% (0,05).

Dado que el valor de p obtenido en el ejemplo es de 0,10, superior al valor

de significacin de 0,05, se considera que la probabilidad de haber
obtenido estos resultados por azar es demasiado elevada y que, por tanto,
no se dispone de la suficiente evidencia para rechazar la H o . De este
modo, se concluye que la diferencia observada en el porcentaje de
pacientes controlados no es estadsticamente significativa. No significa
que no exista diferencia en los porcentajes de ambos grupos, sino que no
se ha encontrado la suficiente evidencia para decir que son diferentes.
EJEMPLO
Supongamos ahora que en el grupo que recibi el tratamiento E slo se
hubieran controlado 12 pacientes a los 3 meses, lo que supondra un
porcentaje observado en este grupo del 40%.

Si se repiten los clculos, se obtiene un valor de p < 0,02. Como este valor
es inferior a 0,05, se considera que la diferencia observada es
estadsticamente significativa, ya que es poco probable (p < 5%) que el
azar pueda haber producido estos resultados.

La respuesta a la pregunta de si esta diferencia se debe al nuevo

tratamiento D depender del diseo y la ejecucin correctos del estudio.
El valor de p slo informa de la existencia de una diferencia entre ambos
grupos, y de que muy probablemente no se deba al azar, pero no informa
sobre la causa de dicha diferencia
EJEMPLO

El valor de p no es una medida de la fuerza de la asociacin.

Un estudio en el que se obtenga un valor de p < 0,001 no

quiere decir que la asociacin encontrada sea ms fuerte (o la
diferencia ms importante) que la de otro estudio en que sea
de 0,04. Slo quiere decir que es ms improbable que su
resultado sea por azar.
Pruebas unilaterales y pruebas bilaterales

En ocasiones, lo que interesa no es determinar si existen diferencias entre

dos tratamientos, sino evaluar si un nuevo frmaco es mejor que otro.

En este caso, la hiptesis alternativa no es que D y E difieran, sino que D

es mejor que E. Por tanto, la H o que se va a contrastar es que D no difiere
o es peor que E. Dado que slo interesa un sentido de la comparacin, se
habla de pruebas unilaterales, o de una cola.

Cmo afecta este hecho a la prueba de significacin? No es la prueba en

s misma la que se ve afectada. El clculo es idntico al anterior. Lo que se
modifica es el valor de p. Como la distribucin de Z sigue la ley normal y,
por tanto, es simtrica, en las pruebas unilaterales el valor
de p corresponde a la mitad del valor , dado que slo se est interesado
en uno de los extremos.
Estimacin frente a significacin estadstica
Al analizar los resultados de un estudio, los investigadores estn
interesados no slo en saber si una diferencia o una asociacin son
estadsticamente significativas, sino tambin en determinar su
magnitud.

La diferencia observada en el estudio es la mejor estimacin puntual de

dicha magnitud. Pero, dado que si se repitiera el estudio con otras
muestras podran observarse resultados de diferente magnitud, hay que
calcular un intervalo del que se tenga una determinada confianza de
que contiene la verdadera magnitud del parmetro de inters, tanto si
se trata de una diferencia como de una medida de asociacin

Existen frmulas para el clculo de los IC en cualquier situacin

EJEMPLO: INTERVALOS DE CONFIANZA