UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE MEDICINA HUMANA

V CURSO TERICO PRCTICO DE ESTADSTICA APLICADA A LAS CIENCIAS DE LA SALUD

LA DISTRIBUCIN NORMAL

LA NORMALIDAD
QU ES LO NORMAL?
Cada especialidad parece tener su definicin particular del concepto de normalidad. Una de las ms difundidas en medicina es considerar al paciente sano como normal.

La OMS define a la salud como un estado de bienestar fsico, psquico y social, y no solamente como la ausencia de enfermedad o deterioro. Lo toma como un estado que permite al organismo adaptarse a las condiciones endgenas y a los factores ambientales a los que est sometido y funcionar en forma adecuada.

LA NORMALIDAD
QU ES LO NORMAL? La OMS define a la salud como un estado de bienestar fsico, psquico y social, y no solamente como la ausencia de enfermedad o deterioro. Lo toma como un estado que permite al organismo adaptarse a las condiciones endgenas y a los factores ambientales a los que est sometido y funcionar en forma adecuada.

LA NORMALIDAD

QU ES LO NORMAL?
Segn Murphy, E. A. del Departamento de Medicina de la Universidad de J. Hopkins se pueden identificar siete significados diferentes del concepto de normalidad. Adems se pueden agregar cinco clasificaciones desde el punto de vista pragmtico.

DIFERENTES ASPECTOS DEL CONCEPTO DE NORMALIDAD

Nocin Dnde se usa Clasificacin terica de Murphy 1. Probabilsticas a) Poblacin total b) Individuos sanos 2. Ms representativo en su clase 3. Comnmente observable en su clase 4. La ms apta para la superviven. 5. Que no causa daos 6. A lo que se aspira en general 7. Ms perfecto en su clase Trmino preferido

Estadstica

Gaussiano

Anlisis descriptivo Anlisis descriptivo Gentica, Inv. Operativa Medicina clnica Poltica, Sociologa Esttica, moral, matemat

Promedio, moda habitual ptimo, ms apto Inofensivo, no nocivo Convencional Ideal

DIFERENTES ASPECTOS DEL CONCEPTO DE NORMALIDAD

Nocin Dnde se usa Trmino preferido
Aceptable Mximo efecto Sano Saludable

Clasificacin de acuerdo a Aspectos Prcticos

8. Que engloba a los individuos que pueden ser atendidos 9. Efecto ms provechoso que nocivo 10. Ausencia de signos externos raros 11. Ausencia de signos externos raros, percibidos por el mismo individuo 12. Ausencia de signos inaceptables para el prjimo
Sociologa, poltica. Economa, Administrac. Terapetica, Dagnstico profesional Anamnesis

Vida comunitaria

Admisible

Cul es el nivel normal de colesterol?

De acuerdo a la clasificacin de Murphy se pueden tener siete respuestas diferentes a la pregunta: 1. Una distribucin de probabilidades (frecuencias relativas) en forma de campana, descrita como distribucin Gaussiana con los valores de colesterol en la poblacin de referencia.

NORMALIDAD Curva o Campana de Gauss

Ejemplo : Cul es el nivel normal de colesterol ?

1. El valor ms representativo del colesterol en la poblacin

definido por un demgrafo)

valor esperado o promedio general

(un

2. Los valores de colesterol ms comunes definidos por una gama

de lmites, esto es; los habituales y conocidos lmites de normalidad de los laboratorios (un bioqumico)
3. Los valores de colesterol ms adecuados para la reproduccin

o supervivencia de la especie estudiada (un genetista) 4. Los valores de colesterol inocuos que causan poco o ningn dao al organismo (un mdico).
5. La opinin conjunta de una comisin, o sea los valores

aprobados de colesterol por las autoridades respectivas (un poltico).

6. El valor ideal de colesterol (un utpico).

NORMALIDAD
El primer uso de la palabra correspondiente a la Estadstica causa el mayor problema; por que tiene poco que ver con los dems significados. No hay ninguna razn cientfica para que un grupo de personas normales tenga una distribucin gaussiana en alguna magnitud clnica (ej..nivel de colesterol, nivel de hemoglobina, etc.) El problema es que la distribucin gaussiana se emplea con bastante frecuencia para determinar lmites normales. Por ejemplo, son aplicadas en las pruebas de laboratorio de anlisis clnicos.

NORMALIDAD
Un director de laboratorio mdico de la Universidad de Minnesota comenta lo siguiente: Los lmites normales han tenido un papel indefinido, pero tranquilizante en el laboratorio clnico. Asoman en el horizonte de nuestra conciencia, perfectamente simtricos como el monte Fujiyama, un poco nebulosos en su significado, pero aceptados y reverenciados con gratitud. Sin embargo, lejos de ser puros y simples, como una querida ilusin infantil, examinados de cerca resultan ser insoportablemente complicados, siendo en realidad uno de los problemas ms difciles y que limitan la utilidad de los datos en un laboratorio clnico

NORMALIDAD
Como alternativa al problema de los lmites normales, los investigadores han adoptado los lmites de referencia. Por ejemplo, los valores de referencia o normales de un frmaco tienen que ver con los lmites de tolerancia de los productos terminados. As, el certificado de aptitud de un medicamento emitido por una autoridad sanitaria es otorgado bajo ciertas condiciones que establecen las cantidades mnimas y mximas de los principales componentes (lmites de tolerancia). Un producto ser considerado normal si est dentro de estas especificaciones.

NORMALIDAD

Si se realizar un examen de las publicaciones de investigaciones mdicas se observar que en virtud de la costumbre, casi invariablemente, las tcnicas estadstica usadas se basan en el supuesto de normalidad (distribucin gaussiana de probabilidades) de los datos obtenidos. Sin embargo, un anlisis un poco minucioso de los datos revelar que a menudo estos no se adhieren a una campana de Gauss .

NORMALIDAD
Entre los estadsticos hay dos corrientes de pensamiento:
1.

Los que utilizan el enfoque paramtrico.

Estos piensan que el supuesto gaussiano es lo suficientemente robusto como para soportar discrepancias usuales (desviaciones de la normalidad). Adems, si el supuesto no se verifica estrictamente, viene el recurso de que si el nmero de datos es suficientemente grande; el teorema central de lmite garantiza la normalidad de las estadsticas. 2. Los que utilizan el enfoque no paramtrico. Estos no creen en tamaa robustez (de los mtodos de anlisis de datos) y prefieren utilizar tcnicas estadsticas de anlisis de datos; que no requieren del supuesto de normalidad y utilizan los mtodos no paramtricos, (llamados tambin mtodos de libre distribucin), aun cuando estos mtodos son menos sensibles que los paramtricos.

HISTOGRAMA DE FRECUENCIAS RELATIVAS

POLIGONO DE FRECUENCIAS RELATIVAS

DISTRIBUCIN DE PROBABILIDADES NORMAL

DISTRIBUCION DE PROBABILIDADES NORMAL

Caractersticas de la distribucin normal : Es simtrica respecto a su media La media, mediana y moda son iguales El rea total bajo la curva es igual a 1 (100%). En el intervalo ( - , + ) se encuentra el 68.26% del rea total bajo la curva e) En el intervalo ( -2, +2) se encuentra aproxim. el el 95.4% del rea total bajo la curva. f) El intervalo ( -3, +3) contiene el 99.7% del rea total bajo la curva a) b) c) d)

DISTRIBUCIN NORMAL ESTANDAR

Si una variable X (Ej. X: edad ) tiene distribucin normal (X es N( , 2) ), esta puede ser transformada de modo que = 0 y 2 = 1, este proceso se denomina tipificacin o estandarizacin.

Por lo tanto la distribucin normal estandar tiene funcin de densidad

DISTRIBUCIN NORMAL ESTANDAR

Si una variable X (Ej. X: edad ) tiene distribucin normal (X es N( , 2) ), esta puede ser transformada de modo que = 0 y 2 = 1, este proceso se denomina tipificacin o estandarizacin.

Z=

Por lo tanto la distribucin normal estandar tiene funcin de densidad

z2 1 F ( z) = e 2 ; 2

- <z<

DISTRIBUCIN NORMAL ESTANDAR

Las reas bajo la curva normal estndar se obtienen a partir de :

IMPORTANCIA DE LA DISTRIBUCIN NORMAL EN EL ANALISIS ESTADISTICO DE DATOS

La mayora de las tcnicas de anlisis de datos que se utilizan con frecuencia se basan en la suposicin de normalidad de la variable aleatoria. Por ejemplo los test de hiptesis :
Prueba t para una media. Prueba t para comparacin de dos grupos. Anlisis de varianza. Anlisis de regresin lineal.

En los casos en que la variable en estudio no tiene distribucin normal se trata de garantizar que el tamao de muestra sea suficientemente grande de modo que se pueda utilizar el teorema central del lmite que nos lleva a una distribucin aproximadamente normal.

RECOMENDACIONES

Es importante tener en cuenta que las tcnicas estadsticas

de anlisis de datos que se basan en la suposicin de que la caracteristica de inters (variable) tiene una distribucin normal tienen una buena performance en el anlisis de datos (pruebas de hiptesis, intervalos de confianza, etc.) siempre que esta suposicin se verifique.
Si el tamao de muestra es suficientemente grande se

puede tener una cierta tranquilidad al usar estas tcnicas pues la normalidad de las estadsticas utilizadas (ya no de los datos) est garantizada en la mayora de los casos.