1 / 17

Curso de Bioestadística Parte 10 Inferencias de una proporción

Curso de Bioestadística Parte 10 Inferencias de una proporción. Dr. en C. Nicolás Padilla Raygoza Departamento de Enfermería y Obstetricia División Ciencias de la Salud e Ingenierías Campus Celaya-Salvatierra Universidad de Guanajuato México. Presentación.

valentina
Télécharger la présentation

Curso de Bioestadística Parte 10 Inferencias de una proporción

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Curso de BioestadísticaParte 10Inferencias de una proporción Dr. en C. Nicolás Padilla Raygoza Departamento de Enfermería y Obstetricia División Ciencias de la Salud e Ingenierías Campus Celaya-Salvatierra Universidad de Guanajuato México

  2. Presentación • Médico Cirujano por la Universidad Autónoma de Guadalajara. • Pediatra por el Consejo Mexicano de Certificación en Pediatría. • Diplomado en Epidemiología, Escuela de Higiene y Medicina Tropical de Londres, Universidad de Londres. • Master en Ciencias con enfoque en Epidemiología, Atlantic International University. • Doctorado en Ciencias con enfoque en Epidemiología, Atlantic International University. • Profesor Asociado B, Facultad de Enfermería y Obstetricia de Celaya, Universidad de Guanajuato. • padillawarm@gmail.com

  3. Competencias • Aplicará prueba de Z para obtener inferencias de una proporción. • Obtendrá intervalo de confianza para una proporción.

  4. Introducción • Es común en estudios de salud, medir variables categóricas: • Sexo: masculino o femenino, • Estado civil: soltero, casado, viudo, divorciado, separado, unión libre, • Resultado de detección de antígeno de Entamoeba histolytica: positivo o negativo.

  5. Introducción • Cuando utilizamos variables con sólo dos categorías, usamos proporciones o porcentajes.

  6. Introducción • En el estudio de tratamiento antiamebiano la proporción de niños con amebiasis es de 0.277. • La proporción de niños con amebiasis fue: 194/700 = 0.277 0.277(1-0.277) El error estándar es: √ -------------------- = 0.017 700

  7. Notación • La notación para los parámetros de la población y estadísticos de la muestra, para proporciones. • Recuerde que usamos letras griegas para la población y letras latinas para la muestra.

  8. Ejemplo • Cuando queremos encontrar la distribución de una variable binaria, como sexo de los escolares de Celaya, tomamos una muestra de tamaño n de la población de todos los escolares de Celaya, una proporción, p, de todos los escolares, en la muestra, que tendrán todas las características de interés. • Para extraer conclusiones acerca de la proporción de la población, aplicamos los mismos métodos para hacer inferencias acerca de medias de muestras.

  9. Intervalo de confianza al 95% para una proporción • Si el tamaño de muestra es grande, podemos calcular un intervalo de confianza para una proporción de una muestra usando la fórmula común: Proporción ± 1.96 x SE(proporción) p±1.96 SE(p)

  10. Prueba de hipótesis para una proporción • Si queremos evaluar si la proporción de la población tiene un valor, usamos el procedimiento de prueba de hipótesis. 1.- Primero debemos señalar la hipótesis nula: Ho: π= πo 2. Señalamos la hipótesis alternativa: H1: π≠ πo 3. Calculamos la prueba estadística.

  11. Prueba de hipótesis para una proporción • La fórmula es igual que la usada en medias, pero utilizando proporciones en lugar de medias. p – πo Z = --------- ES(p) • Donde πo es la proporción de la hipótesis y p la proporción observada en la muestra. • El valor de z representa el número de errores estándar entre las proporciones de la hipótesis y la observada

  12. Ejemplo • En la muestra de 700 escolares que se buscó diagnóstico de amebiasis, en el 27.7% se les detectó el antígeno de E. histolytica en heces. • El encargado se mostró sorprendido ya que se suponía que en el área la prevalencia de amebiasis era del 15%.

  13. Ejemplo • Podemos probar si el valor observado es realmente diferente del valor esperado.  • La hipótesis nula es: Ho: p = πo= 0.15 • La hipótesis alternativa es: H1: p ≠ πo • Si el error estándar de la proporción 0.017, • La prueba de hipótesis es Z = p – πo / ES(p) = 0.27 – 0.15 / 0.017= 7.05  • El valor de p para z = 7.05 es <0.05.

  14. Ejemplo • Esto es interpretado de la siguiente forma: • Si la proporción de pacientes con amebiasis en esta población es de 15%, luego la oportunidad de observar una proporción de la muestra igual o más extrema de 27% es menor a 0.05.

  15. Muestras pequeñas • Los métodos para hacer inferencias de una muestra de la población, descritas en esta clase, sólo son válidos si el tamaño de muestra es grande. • Una regla para decidir si el tamaño de muestra es suficientemente grande para que la distribución de las proporciones de la muestra sea Normal es:  1. π n > 5 2. (1 – π) n > 5

  16. Muestras pequeñas • Si lo anterior no se cumple, se obtiene la prueba exacta de Fisher.

  17. Bibliografía • 1.- Last JM. A dictionary of epidemiology. New York, 4ª ed. Oxford University Press, 2001:173. • 2.- Kirkwood BR. Essentials of medical ststistics. Oxford, Blackwell Science, 1988: 1-4. • 3.- Altman DG. Practical statistics for medical research. Boca Ratón, Chapman & Hall/ CRC; 1991: 1-9.

More Related