Bioestadística: Test de Hipótesis Del Nivel RELACIONAL Bivariado Por Bioq. José Luis Soto Velásquez

TEST DE
HIPÓTESIS
1 2 3
Nivel Relacional 4 5 6
Dr. José Luis Soto Velásquez
investigacionjls@gmail.com
ESTADÍSTICA
Niveles de Investigación
Son estudios que solo demuestra dependencia probabilística entre eventos;

Ejm. los estudios de asociación sin relación de dependencia.
La estadística bivariada nos permite hacer

asociaciones (Chi Cuadrado) y medidas de asociación;
correlaciones y medidas de correlación (Correlación de
03 Relacional
Bivariado
Pearson).
Propósito investigativo: Factores de riesgo, Factores

relacionados, Factores de asociados, asociación, correlación,
relación.
Pruebas paramétricas Pruebas no paramétricas
Nivel de Nominal Nominal
Objetivo Estadístico Numéricos Ordinales
Investigación Dicotómica Politómica
2
X de Homogeneidad
t de Student para
Corrección de Yates
muestras U Mann-Whitney
Test exacto de Fisher
Comparar dos grupos independientes X2 de Homogeneidad
t de Student para Prueba de Wilcoxon

Comparar dos medidas muestras relacionadas X2 de McNemar Q de Cochran
Asociar o Correlación de
Correlacionar Correlación de Pearson Spearman X2 de Independencia X2 de Independencia
RELACIONAL Medida de Asociación/ Coeficiente de Tau b de Kendall

Correlación correlación R Pearson Índice Kappa de Cohen Índice Kappa de Cohen
Análisis de la varianza
(ANOVA con un factor ANOVA de Kruskal-
INTERsujetos) y pruebas Wallis
Más de dos grupos Post Hoc X2 de Homogeneidad X2 de Homogeneidad
ANOVA para medidas
repetidas o
ANOVA con un factor
Más de dos medidas INTRAsujetos Friedman Q de Cochran Q de Cochran
Comparar
Dos GRUPOS
Comparar dos GRUPOS
Pruebas Paramétricas
01 T Student para muestras independiente
Pruebas No Paramétricas
02 U Mann-Whitney
Pruebas No Paramétricas: Dicotómicas y Politómicas

03 X2 de Homogeneidad
Comparar dos GRUPOS
El procedimiento Prueba T para muestras

independientes compara las medias de
dos grupos de casos. Lo ideal es que para
esta prueba los sujetos se asignen
aleatoriamente a dos grupos, de forma
que cualquier diferencia en la respuesta
sea debida al tratamiento (o falta de
tratamiento) y no a otros factores.
Comparar dos GRUPOS
Distribución normal
- Simétrica
95% - Mesocúrtica
2,5% 2,5%
Contraste de hipótesis para la varianza
Propósito: Analizar la variabilidad de la variable aleatoria.
Ho: La variabilidad en ambos grupos no son diferentes

H1: La variabilidad en ambos grupos son diferentes
La prueba de hipótesis se realiza con el estadístico: Test de Levene

Comparar dos GRUPOS
Contraste de hipótesis para comparar medias
Propósito: Comparar el promedio de ambos grupos.
Ho: El promedio de un grupo no es distinto al promedio del otro grupo.

H1: El promedio de un grupo es distinto al promedio del otro grupo.
La prueba de hipótesis se realiza con el estadístico:

t de Student para muestras independientes.
Comparar dos GRUPOS
Planteamiento de hipótesis para la media
A dos colas
A una cola
Anemia en niños
Numéricos
Planteamiento: Se ha determinado los niveles de
Hemoglobina en menores de 5 años ¿La Hemoglobina será t de Student
diferente según el sexo de los niños menores de 5 años? para muestras
independientes
Carpeta: 20
Archivo SPSS: Línea base de anemia en niños
Anemia en niños
Planteamiento: Se ha determinado los niveles de Hemoglobina en Numéricos
menores de 5 años ¿La Hemoglobina será diferente según el sexo
de los niños menores de 5 años? t de Student
para muestras
independientes
Anemia en niños
menores de 5 años ¿La Hemoglobina será diferente según el sexo
de los niños menores de 5 años? t de Student
para muestras
Plantear Hipótesis
1
H1: La Hemoglobina es DIFERENTE según el sexo de los niños menores de 5 años independientes
Ho: La Hemoglobina NO es DIFERENTE según el sexo de los niños menores de 5 años
2 Establecer un nivel de significancia

Nivel de Significancia (alfa) α = ____5% = 0,05___________
Seleccionar estadístico de prueba (Resaltarla con amarillo)

a) t de Student para una muestra
3
b) t para grupos independientes
c) t para medidas repetidas
d) Análisis de la varianza
Anemia en niños
menores de 5 años ¿La Hemoglobina en los menores de 5 años
será diferente según el sexo de los niños en estudio? t de Student
para muestras
Valor de P=_____ 0,003 = 0,3% _______________________________
4 Lectura del p-valor independientes
Con una probabilidad de error del 0,3% La Hemoglobina es DIFERENTE según el sexo de los niños
menores de 5 años.
5 Toma de decisiones (dar como respuesta una de las Hipótesis)

La Hemoglobina es DIFERENTE según el sexo de los niños menores de 5 años
Interpretación: Según el estudio sobre los niveles de Hemoglobina en niños menores de 5 años, este
demostró que existe diferencia significativa (P:0,003) entre la hemoglobina de los niños (Media: 11,14
g/dl) que es menor en comparación de la hemoglobina de las niñas (Media: 11,44 g/dl).
Fármacos para la HTA
Numéricos
Planteamiento: Se realizó un estudio a 75 individuos con Hipertensión arterial, los
cuales fueron sometidos a dos tratamientos farmacológicos distintos (Grupo A: t de Student
Enalapril y grupo B: Losartan), a 40 de ellos se le dio la Enalapril y a 35 Losartan.
Se desea comparar la Presión arterial de los individuos que iniciaron y terminaron para muestras
cada una de los tratamientos. independientes
Archivo SPSS: Comparar la P.A. en los dos grupos

Carpeta: 20
Planteamiento:
a) ¿La Presión Arterial sistólica sera diferente en ambos grupos de individuos antes de
iniciar cada uno de los tratamientos farmacológicos?
Planteamiento:
b) ¿La Presión Arterial sistólica sera diferente en ambos grupos de individuos que
terminaron cada uno de los tratamientos farmacológicos?
CASO PRACTICO N° 20
Comparación de promedios
entre grupos
"t de Student para muestras
independientes"
Comparar dos GRUPOS
02 U Mann-Whitney
Comparar dos GRUPOS
02 U Mann-Whitney
Tests NO PARAMÉTRICOS
Datos NO NORMALES o muestras muy pequeñas
● Se utiliza cuando la variable aleatoria es ordinal o cuando se trata de una

variable numérica que no cumple los supuestos de distribución Normal y
Homocedasticidad, como también cuando se trabaja con muestras muy
pequeñas.
● Comparan Medianas
● Trabajan sobre rango de orden
● Son menos potentes (potencia: probabilidad de rechazar Ho cuando
realmente es falsa)
Comparar dos GRUPOS
02 U Mann-Whitney
Contraste de hipótesis
Propósito: Demostrar diferencias entre los grupos
Ho: Los grupos a comparar no son diferentes

H1: Los grupos a comparar son diferentes
La prueba de hipótesis se realiza con el estadístico: U Mann-Whitney

Estado Nutricional en Pruebas No
Universitarios paramétricas
Planteamiento: Se ha evaluado el grado del Estado nutricional en U Mann-Whitney
un grupo de estudiantes universitarios de ambos sexos. ¿El grado para comparar grupos
del Estado nutricional es distinto según el sexo de los estudiantes?
Sexo
Grado de Estado
Nutricional Masculino Femenino Total
N % N % N %
Desnutrición 2 1,7% 14 15,4% 16 7,6%
Normal (Eutrófico) 62 51,7% 64 70,3% 126 59,7%
Sobrepeso 53 44,2% 12 13,2% 65 30,8%
Obesidad 2 1,7% 0 0,0% 2 0,9%
Obesidad Mórbida 1 0,8% 1 1,1% 2 0,9%
Total 120 100,0 91 100,0 211 100,0
Estado Nutricional en Pruebas No
Universitarios paramétricas
un grupo de estudiantes universitarios de ambos sexos. ¿El grado para comparar grupos
del Estado nutricional es distinto según el sexo de los estudiantes?
Estado Nutricional en BFM y Pruebas No
otras carreras de Salud paramétricas
los estudiantes de la carreras de BFM y las otras carreras de salud. para comparar grupos
¿El grado del Estado nutricional en los estudiantes de la carreras de
BFM es distinto al de las otras carreras de salud?
Carreras de Salud
Grado de Estado
Nutricional Bioquímica y Farmacia Otras Carreras Total
N % N % N %
Desnutrición 11 20% 5 3% 16 8%
Normal (Eutrófico) 25 45% 101 65% 126 60%
Sobrepeso 19 34% 46 30% 65 31%
Obesidad 0 0% 2 1% 2 1%
Obesidad Mórbida 1 2% 1 1% 2 1%
Total 56 100% 155 100% 211 100,0
Estado Nutricional en las Pruebas No
carreras de Salud paramétricas
los estudiantes de la carreras de BFM y las otras carreras de salud. para comparar grupos
¿El grado del Estado nutricional en los estudiantes de la carreras de
BFM es distinto al de las otras carreras de salud?
U Mann-Whitney para
comparar grupos
Comparar dos GRUPOS
03 X2 de Homogeneidad
Comparar dos GRUPOS
03 X2 Chi-cuadrado de Homogeneidad
Tabla de contingencia
Variable fija
Grupo 1 Grupo 2
Variable aleatoria
Factor 1
Factor 2
100% 100% 100%

Comparar dos GRUPOS
Variable fija
Grupo 1 Grupo 2
Variable aleatoria
Factor 1 100%
Factor 2 100%
100%
Comparar dos GRUPOS
Propósito: Identificar las diferencias entre los grupos participantes.
H1: Las frecuencias de la variable aleatoria en los grupos son diferentes

Ho: Las frecuencias de la variable aleatoria en los grupos no son diferentes

Chi cuadrado de Homogeneidad.
Comparar dos GRUPOS
95,00% Si X2 = 3,84
Entonces p = 0,05
5,00%
0 1 2 3 4 5 6
3,84
Comparar dos GRUPOS
Regla de decisiones para la prueba de hipótesis
p-valor p-valor
H1 Ho
0 0,01 0,02 0,03 0,04 0,05
Nivel de significancia (alfa)

Parasitosis intestinal por
Categóricos cada curso en una U.E.
Planteamiento: Se ha evaluado la presencia de parasitosis en los
Prueba de escolares de los diferentes cursos de primaria de una Unidad
Chi cuadrado de Educativa. ¿La Parasitosis en los escolares es distinta en cada uno
de los cursos de primaria?
Homogeneidad
Archivo SPSS: Parasitosis escolar

Carpeta: 14
Se utiliza la corrección de Yates, cuando una frecuencia esperada es inferior y el P-valor se leer
con “Correlación por continuidad o Razón de verosimilitudes”
Sobrepeso y Obesidad en
Categóricos las carreras de salud
Planteamiento: Se ha evaluado el grado de Sobrepeso y Obesidad
Prueba de en los estudiantes de las diferentes carreras de ciencias de la salud.
Chi cuadrado de ¿El grado de Sobrepeso y obesidad de los estudiantes es distinta en
las carreras de salud?
Homogeneidad
Archivo SPSS: SP y O en las carreras de salud

Carpeta: 14
Se utiliza la corrección de Yates, cuando una frecuencia esperada es inferior y el P-valor se leer
con “Correlación por continuidad o Razón de verosimilitudes”
Desnutrición infantil en
Relacional
comunidades
Categóricos Un estudio sobre desnutrición en niños de seis comunidades con
diferentes regímenes alimentarios, ha proporcionado los resultados
siguientes:
Prueba de
Nº niños sin Nº niños con
Chi cuadrado de Comunidad desnutrición desnutrición
Homogeneidad A 38 87
B 8 117
C 30 95
D 44 81
E 64 61
F 32 93
Ho: Las incidencia de desnutrición es igual en las seis comunidades (las poblaciones son homogéneas)
H1: Las incidencia de desnutrición es diferente en las seis comunidades (las poblaciones no son homogéneas)
Desnutrición infantil en
Relacional
comunidades
Categóricos
Ho: Las incidencia de desnutrición es igual en las seis comunidades

H1: Las incidencia de desnutrición es diferente en las seis comunidades
Conclusión: Las incidencia de desnutrición es distinta en las seis comunidades

Comparación de frecuencias
entre grupos
Chi cuadrado de Homogeneidad
Comparar dos GRUPOS
Pruebas No Paramétricas: Dicotómicas
03 Test exacto de Fisher
Comparar dos GRUPOS
Es una prueba de significación estadística utilizada en el análisis

de tablas de contingencia. Aunque en la práctica se emplea
cuando los tamaños de muestra son pequeños, también es válido
para todos los tamaños de muestra.
Es una pruebas exactas , llamada así porque el significado de la

desviación de la hipótesis nula se puede calcular con exactitud,
en lugar de basarse en una aproximación que se hace
exactamente en el límite el tamaño de la muestra crece hasta el
infinito, como con muchos otros análisis estadísticos.
Comparar dos GRUPOS
El test exacto de Fisher permite analizar si dos variables dicotómicas

están asociadas cuando la muestra a estudiar es demasiado pequeña y no
se cumplen las condiciones necesarias para que la aplicación del test χ2
sea adecuada.
Estas condiciones exigen que los valores esperados de al menos el 80%

de las celdas en una tabla de contingencia sean mayores de 5. Así, en una
tabla 2x2 será necesario que todas las celdas verifiquen esta condición, si
bien en la práctica suele permitirse que una de ellas muestre frecuencias
esperadas ligeramente por debajo de este valor.
Es importante tener en cuenta que el test de Fisher está diseñado para

situaciones en las que las frecuencias marginales de filas y columnas (los
totales de cada fila y columna) son fijas, se conocen de antemano.
Comparar dos GRUPOS
Prueba de hipótesis a una sola cola
Ho: A no es diferente de B
A dos colas
H1: A es diferente de B
Ho: A no es mayor B
H1: A es mayor que B
A una cola
Ho: A no es menor B
H1: A es menor que B
Comparar dos GRUPOS
Propósito: Calcular la probabilidad de distribución asimétrica en la población
Ho: No existe distribución asimétrica en la población.

H1: Existe distribución asimétrica en la población.
La prueba de hipótesis se realiza con el estadístico: La probabilidad exacta de Fisher.

Comparar dos GRUPOS
Variable Fija Variable Aleatoria
Modelo I Modelo II
Variable Fija
Test de Fisher X2 de homogeneidad
Modelo II Modelo III

Variable Aleatoria
X2 de homogeneidad X2 de independencia
Comparar dos GRUPOS
95,00% Si X2 = 3,84
Entonces p = 0,05
5,00%
0 1 2 3 4 5 6
Síndrome Metabólico
Categóricos
Planteamiento 2: Se quiere estudiar a 14 sujetos las diferencias en el síndrome metabólico
respecto a sus edades. ¿Existen diferencias en el síndrome metabólico según el grupo
etareo de los sujetos?
Cálculo de la probabilidad
exacta de Fisher
Comparar dos MEDIDAS
Antes = Pre Después = Post

Comparar DOS MEDIDAS
Antes = Pre test Después = Post test

1 T Student para muestras relacionadas
Antes = Pre Pruebas No Paramétricas

2 Prueba de Wilcoxon
Pruebas No Paramétricas:
3 Dicotómicas: X2 de McNemar
Politómicas: Q de Cochran
Después = Post
Compara las medias de dos variables de un solo grupo. El

procedimiento calcula las diferencias entre los valores de las
Antes = Pre
dos variables de cada caso y contrasta si la media difiere de 0.
Ejemplo. En un estudio sobre la hipertensión sanguínea, se

toma la tensión a todos los pacientes al comienzo del estudio,
se les aplica un tratamiento y se les toma la tensión otra vez.
De esta manera, a cada sujeto le corresponden dos medidas,
normalmente denominadas medidas pre y post.
Después = Post
Comparación (Antes - Después)
Antes = Pre
Antes Acontecimiento Después
Estudio Observacional
Antes Intervención Después
Estudio Experimental
Después = Post
Pruebas estadísticas paramétricas

Antes = Pre
- Variable numérica t de Student
para muestras
- Distribución normal relacionadas
- Varianzas homogéneas
Medida 1 Medida 2 Diferencia
63 64 1
59 57 -2
72 73 1
Después = Post
Antes = Pre
Propósito: Evidenciar la diferencia entre al medida antes y la medida después
Ho: La medida antes no es diferente y la medida después

H1: La medida antes es diferente y la medida después

t de Student para muestras relacionadas.
Después = Post
Antes = Pre A dos colas
A una cola
Después = Post
Hierro Polimaltosado
para la anemia Numéricos
Planteamiento: Se ha evaluado la hemoglobina antes y después en
t de Student
un grupo de mujeres embarazadas del 1er trimestre con anemia, a
los cuales se les dio hierro Polimaltosado durante 3 meses. ¿El para muestras
hierro Polimaltosado podrá aumentar los niveles de hemoglobina? relacionadas
Hierro Polimaltosado
para la anemia Numéricos
Planteamiento: Se ha evaluado la hemoglobina antes y después en
t de Student
un grupo de mujeres embarazadas del 1er trimestre con anemia, a
los cuales se les dio hierro Polimaltosado durante 3 meses. ¿El para muestras
hierro Polimaltosado podrá aumentar los niveles de hemoglobina? relacionadas
Comparar frecuencias en
medidas repetidas
"t de Student para muestras
relacionadas"
Tests NO PARAMÉTRICOS
Datos NO NORMALES o muestras muy pequeñas
Antes = Pre test
● Se utiliza cuando la variable aleatoria es ordinal o cuando se trata de una
variable numérica que no cumple los supuestos de distribución Normal y
Homocedasticidad, como también cuando se trabaja con muestras muy
pequeñas.
● Trabaja con muestras relacionadas
● Comparan Medianas
● Trabajan sobre rango de orden
● Son menos potentes (potencia: probabilidad de rechazar Ho cuando
realmente es falsa)
Después = Post test

Antes = Pre test
Propósito: Evidenciar la diferencia entre la medida antes y la medida
después
Ho: La medida antes no es diferente y la medida después

H1: La medida antes es diferente y la medida después
La prueba de hipótesis se realiza con el estadístico: Prueba de Wilcoxon.

Planteamiento: Se desea evaluar la eficacia de un programa de dieta
y ejercicios para bajar de peso. ¿El peso después del programa de
dieta y ejercicios es menor al peso basal?
Plantear Hipótesis
1
Ho: El peso después del programa de dieta y ejercicios no es menor al peso basal
H1: El peso después del programa de dieta y ejercicios es menor al peso basal

Nivel de Significancia (alfa) α = ___5% = 0,05____________

a) U de Mann-Whitney
3
b) Rangos de Wilcoxon
c) H de Kruskal-Wallis
d) Prueba de Friedman
Valor de P=_____ 0,005 = 0,5% _______________________

4
Lectura del p-valor
Con una probabilidad de error del 0,5% el peso después del programa de dieta y ejercicios es menor al peso basal.

El peso después del programa de dieta y ejercicios es menor al peso basal
Interpretación
El programa de dieta y ejercicios de 3 meses de duración, es muy efectivo para reducir el peso de los participantes.
Planteamiento: Se desea evaluar la efectividad de una
loción para cabellos maltratados con resequedad, puntas
abiertas, frizz y rebelde. ¿La loción para cabellos
maltratados dejará diferente el cabello después del
tratamiento?
Prueba de los rangos con

signo de Wilcoxon
Prueba no paramétrica para dos variables dicotómicas

Antes = Pre test relacionadas. Contrasta los cambios de respuesta utilizando una
distribución Chi-cuadrado. Es útil para detectar cambios en las
respuestas causadas por la intervención experimental en los
diseños del tipo "antes-después". Para las tablas cuadradas de
mayor orden se informa de la prueba de simetría de McNemar-
Bowker.

Comparación (Antes - Después)
Antes = Pre test

Antes Acontecimiento Después
Estudio Observacional
Antes Intervención Después
Estudio Experimental
Estas comparaciones siempre son de individuo a individuo.
Antes = Pre test Medida final
Factor A Factor B
Medida inicial
Factor A
Factor B
100%
Modelo con el total muestral fijo

Antes = Pre test
Propósito: Identificar diferencias entre las medidas realizadas.
Ho: La frecuencia de la variable aleatoria en las medidas no son diferentes.

H1: La frecuencia de la variable aleatoria en las medidas son diferentes.

Chi cuadrado de McNemar.

Antes = Pre test (b  c ) 2

X2 
bc
95,00% Si X2 = 3,84
Entonces p = 0,05
5,00%
0 1 2 3 4 5 6
Después = Post test 3,84
Antiparasitario para Giardia
Categóricos
Planteamiento: Se administra el antiparasitario Nitazoxanida para
Prueba de niños con Giardiasis y se desea evaluar la eficacia del antiparasitario
Chi cuadrado de a través de la eliminación del parásito. ¿Será efectivo el tratamiento
McNemar con Nitazoxanida para eliminar la Giardiasis?
Dieta para síntomas de
ulcera gástrica
Planteamiento: Se administran una dieta para pacientes con síntomas de ulcera gástrica y se desea evaluar si la
dieta logra desaparecer los síntomas de la ulcera gástrica. ¿La dieta logrará desaparecer los síntomas de la ulcera
gástrica?
Comparar frecuencias en
medidas repetidas
Chi cuadrado de McNemar
Asociación
o
Correlación
Correlación
Variables Numéricas
Paramétrica No Paramétrica
Correlación de Pearson Correlación de Spearman
Correlación de Pearson
¿Qué es la correlación de unidades? Paramétrica
Se correlaciona las unidades de dos variables numéricas de
diferente dimensión, para ello hay que definir las unidades en
ambas variables.
Donde ambas variables numéricas son aleatorias.
Ejm. Correlacionar los niveles de hemoglobina de la gestante con el
peso de su recién nacido.
Peso del recién nacido (gramos)
Hemoglobina de la madre (mg/dl)

Correlación de Correlación de Pearson
Pearson
Paramétrica

- Variable numérica
- Distribución normal
Hemoglobina de la madre (mg/dl)

Contraste de hipótesis Paramétrica
Propósito: Identificar la existencia de la correlación
Ho: Las unidades de una variable no se correlación con las unidades de la otra
H1: Las unidades de una variable se correlación con las unidades de la otra

Correlación de Pearson.
Paramétrica
Correlación directa Correlación inversa

Índice de masa corporal (Kg/m2)
Hemoglobina de la madre (mg/dl) Actividad física (horas/semana)

Paramétrica
Planteamiento de hipótesis para la correlación
A dos colas Ho: No existe correlación

H1: Existe correlación
Ho: No existe correlación directa

H1: Existe correlación directa
A una cola
Ho: No existe correlación inversa
H1: Existe correlación inversa
Método manual y automatizado para determinar
Hemoglobina
Numéricos
Planteamiento: Se evalúa la determinación de Hemoglobina en
sangre y se quiere saber cual método es más efectivo para emitir los Correlación de
resultados, si el método manual o el método automatizado. Pearson
¿Existirá correlación entre el método manual y el método
automatizado?
Correlación de pearson como

prueba de hipótesis
Correlación de Spearman
No Paramétrica
Correlación por rangos de Spearman
McGuigan (1993) y Siegel (1956)
Sostienen que algunas escalas ordinales pueden ser consideradas por

convención como numéricas.
- Deben tener muchas categorías

- Deben tener distribución normal
Conclusión: Intentar demostrar distribución normal en las variables

ordinales.
No Paramétrica
Correlación por rangos de Spearman Correlación de Spearman
Correlación paramétrica Correlación no paramétrica

Ingreso mensual (Dólares)
Ponderado fetal (gramos) Grado académico

No Paramétrica
Correlación por rangos de Spearman Correlación de Spearman
Propósito: Demostrar correlación y luego medir al grado de correlación
Ho: Las unidades de una variable no se correlación con las unidades de la otra.
H1: Las unidades de una variable se correlación con las unidades de la otra.
La prueba de hipótesis se realiza con el estadístico: Correlación de Spearman y la

medida de correlación con el Coeficiente Rho de Spearman
Pruebas No
Planteamiento: Se ha evaluado el ingreso económico anual de un grupo de
personas, así como su grado académico. ¿Existe correlación entre el grado
paramétricas
académico y el ingreso económico?
1
Plantear Hipótesis Correlación por
Ho: No existe correlación entre el grado académico y el ingreso económico
H1: Existe correlación entre el grado académico y el ingreso económico rangos de
Spearman
Nivel de Significancia (alfa) α = _____5% = 0,05__________

a) Coeficiente Rho de Spearman
3
b) Correlación de Spearman
c) Tau B de Kendall
d) Tau C de Kendall
Pruebas No
Planteamiento: Se ha evaluado el ingreso económico anual de un grupo de
personas, así como su grado académico. ¿Existe correlación entre el grado
paramétricas
académico y el ingreso económico?
Valor de P=_______ 0,471697 = 47,169% _____________________________ Correlación por

4 Lectura del p-valor
Con una probabilidad de error del 47,169% existe correlación entre el grado académico y rangos de
el ingreso económico. Spearman
No existe correlación entre el grado académico y el ingreso económico
Interpretación
En la muestra de profesionales estudiada no se pudo demostrar correlación entre el grado
académico y el ingreso económico.
Planteamiento: Se ha evaluado las Proteínas Totales y
Plantear Hipótesis
la Albúmina en niños guaraníes de la provincia 1
H1: Existe correlación entre las Proteínas Totales y la Albúmina
Cordillera. ¿Existe correlación entre las Proteínas Ho: No Existe correlación entre las Proteínas Totales y la Albúmina
Totales y la Albúmina?

3
c) Tau B de Kendall
d) Tau C de Kendall
Planteamiento: Se ha evaluado las Proteínas Totales y la Albúmina en
niños guaraníes de la provincia Cordillera. ¿Existe correlación entre las
Proteínas Totales y la Albúmina?
Valor de P=_______ 2,4916E-9 = 0,00% _____________________________

Con una probabilidad de error del 0,00% existe correlación entre las
Proteínas Totales y la Albúmina

Existe correlación entre las Proteínas Totales y la Albúmina
Interpretación
En el presente estudio realizado a niños guaraníes de la provincia Cordillera se pudo
demostrar correlación (P: 0,000) entre las Proteínas Totales y la Albúmina.
Correlación por rangos de

Spearman
Asociación
Variables Categóricas
No Paramétrica
X2 de independencia
Asociación de X2 de Independencia
No Paramétrica
X2 de independencia
La comprobación de independencia Chi-cuadrado se utiliza para

determinar si hay una relación entre dos variables categóricas.
¿Qué es la asociación estadística?

Solamente la relación entre dos variables dicotómicas nos puede
llevar a una asociación.
Por ello toda variable politómica debe dicotomizarse previo al
análisis de la asociación.
Luego hay que definir los factores de interés en ambas variables; y es

que habitualmente la asociación involucra dos eventos aleatorios.
No Paramétrica
X2 de independencia
Variable aleatoria
Variable aleatoria
Factor X Factor Y
Factor A
Factor B
100%

No Paramétrica
X2 de independencia
Propósito: Asociar categorías de las variables de los individuos analizados
H1: Existe asociación entre las categorías de la variables.

Ho: No existe asociación entre las categorías de la variables.

Chi cuadrado de Independencia.
No Paramétrica
X2 de independencia
( o  e) 2
X 
2
95,00% Si X2 = 3,84
Entonces p = 0,05
5,00%
0 1 2 3 4 5 6
3,84
Comportamiento de los datos
Corrección de Chi cuadrado

Yates de Pearson
0 1 2 3 4 5
Valores esperados
Nivel de investigación RELACIONAL Dos Variables Categóricas
Hábitos de fumar
¿Asociación?
Hipertensión Arterial
DIABETES
Colesterol alto
Triglicérido alto
Planteamiento: ¿Existe asociación entre los Hábitos de fumar y la Diabetes en la población en estudio?
Hábitos de Fumar
Diabetes Si No Total
N % N % N %
P > 0,05: Acepta Ho
Si 11 8 7 5 18 13
No 67 50 49 37 116 87
Total 78 58 56 42 134 100
Interpretación: No existe asociación (P: 0,991) entre los hábitos de

fumar y la Diabetes en la población en estudio.
Hábitos de fumar
¿Asociación?
DIABETES
Colesterol alto
Triglicérido alto
Planteamiento: ¿Existe asociación entre la Hipertensión arterial y la Diabetes en la población en estudio?
Hipertensión arterial
N % N % N %
P > 0,05: Acepta Ho
Si 13 10 5 4 18 13
No 69 52 47 35 116 87
Total 82 61 52 39 134 100
Interpretación: No existe asociación (P: 0,440) entre la

Hipertensión arterial y la Diabetes en la población en estudio.
Hábitos de fumar
¿Asociación?
DIABETES
Colesterol alto
Triglicérido alto
Planteamiento: ¿Existe asociación entre el Colesterol alto y la Diabetes en la población en estudio?
Colesterol alto
N % N % N %
P < 0,05: Acepta H1
Si 9 7 9 7 18 13
No 17 13 99 74 116 87
Total 26 19 108 81 134 100
Interpretación: Si existe asociación (P: 0,001) entre el Colesterol

alto y la Diabetes en la población en estudio.
Hábitos de fumar
¿Asociación?
DIABETES
Colesterol alto
Triglicérido alto
Planteamiento: ¿Existe asociación entre el Triglicérido alto y la Diabetes en la población en estudio?
Triglicérido alto
N % N % N %
P < 0,05: Acepta H1
Si 9 7 9 7 18 13
No 20 15 96 72 116 87
Total 29 22 105 78 134 100
Interpretación: Existe asociación (P: 0,005) entre el Triglicérido

alto y la Diabetes en la población en estudio.
Asociación estadística y test

de Chi-cuadrado de
independencia
Nivel Relacional
Son estudios que demuestra
dependencia probabilística entre eventos.
Comparar: Correlación/Asociación Medidas o Fuerzas de:

Comparar Dos Grupos Variable Numérica: Correlación V. Numérica: Medidas de correlación
Comparar Dos Medidas La correlación de Pearson V. Categórica: Medida de asociación
Variable Categórica: Asociación
Chi-cuadrado de independencia
Medidas o Fuerza de Correlación/Asociación
Las Medidas de Correlación y las Medidas de Asociación se utilizan
solamente, cuando las dos variables de estudio presentan correlación
(Variables numérica) o asociación (Variables categóricas).
Muy baja Baja Moderada Buena Alta
0 0,2 0,4 0,6 0,8 1,0

Variable 2 NOMINAL NOMINAL
ORDINALES NUMÉRICOS
Variable 1 DICOTÓMICA POLITÓMICA
Coeficiente Phi
NOMINAL Kappa de Cohen
Coeficiente de contingencia Eta
DICOTÓMICA Riesgo Relativo
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Coeficiente de contingencia Rho de Spearman
POLITÓMICA Coef de Incertidumbres S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
Tau-c de Kendall Rho de Spearman
D de Somers S&A
Rho de Spearman
NUMÉRICOS Rho de Spearman R de Pearson

Eta Rho de Spearman
Medidas de correlación para variables numéricas
Partimos de la premisa de que existe correlación;

por lo que su fin es medir el grado de correlación.

Uno de los usos frecuentes de la correlación es
para evaluar el valor predictivo de una variable
sobre la otra.
Ej. Hallar el valor predictivo del ponderado fetal
en relación al peso del recién nacido a término.
Ponderado fetal (gramos)
Propósito: Medir el grado de correlación
La prueba de hipótesis se realiza con el estadístico: Correlación de Pearson y la

medida de correlación con el Coeficiente R de Pearson
Correlación R
de Pearson

Ponderado fetal (gramos)
Interpretación del Coeficiente de correlación
R de Pearson
0 0,2 0,4 0,6 0,8 1,0
?
Punto de corte
El signo indica la dirección de la correlación
Correlación directa (+) Signo positivo Correlación inversa (-) Signo negativo
 “a mayor X, mayor Y” ó  “a mayor X, menor Y” ó
 “a menor X, menor Y”  “a menor X, mayor Y”
Método manual y automatizado para determinar
Hemoglobina
Numéricos
Planteamiento: Se evalúa la determinación de Hemoglobina en
sangre y se quiere saber cual método es más efectivo para emitir los Correlación de
resultados, si el método manual o el método automatizado. Pearson
¿Existirá correlación entre el método manual y el método
automatizado?
R de Pearson
0 0,2 0,4 0,6 0,8 1,0

Grado de correlación entre el Coeficiente R de
Peso y el consumo de calorías Pearson
Planteamiento: Se ha evaluado en una población de estudio el Peso, el consumo de
calorías y los niveles de colesterol al inicio del tratamiento.
a) ¿Existe correlación entre el peso y el consumo de calorías?
R de Pearson
0 0,2 0,4 0,6 0,8 1,0

Coeficiente de correlación R
de Pearson
Coeficiente Phi
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
D de Somers S&A
Rho de Spearman

Eta Rho de Spearman
Correlación por rangos de Spearman Pruebas No
paramétricas
Propósito: Demostrar correlación y luego medir al grado de correlación
La prueba de hipótesis se realiza con el estadístico: Correlación de Spearman y la medida de correlación con el
Coeficiente Rho de Spearman
Planteamiento: Se ha evaluado las Proteínas Totales y
Plantear Hipótesis la Albúmina en niños guaraníes de la provincia
1
H1: Existe correlación entre las Proteínas Totales y la Albúmina Cordillera. ¿Cuál es el grado de correlación existente
Ho: No Existe correlación entre las Proteínas Totales y la Albúmina entre las Proteínas Totales y la Albúmina?

3
c) Tau B de Kendall
d) Tau C de Kendall
Planteamiento: Se ha evaluado las Proteínas Totales y la Albúmina en
niños guaraníes de la provincia Cordillera. ¿Cuál es el grado de correlación
existente entre las Proteínas Totales y la Albúmina?
Valor de P=____2,4916E-9 = 0,00% Rho de Spearman=__0,308______

Rho de Spearman
Con una probabilidad de error del 0,00% existe correlación entre las
Proteínas Totales y la Albúmina Muy baja Baja Moderada Buena Alta
5 Toma de decisiones (dar como respuesta una de las Hipótesis) 0 0,2 0,4 0,6 0,8 1,0
Existe correlación entre las Proteínas Totales y la Albúmina
Interpretación
En el presente estudio realizado a 360 niños guaraníes de la provincia Cordillera, se pudo demostrar
que existe una Baja correlación (rho = 0,308) entre las Proteínas Totales y la Albúmina.
Coeficiente Phi
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
D de Somers S&A
Rho de Spearman

Eta Rho de Spearman
Pruebas No
Coeficiente de Correlación Tau b de Kendall paramétricas
Tau-b de Kendall es una medida no paramétrica de la correlación para variables

ordinales o de rangos que tiene en consideración los empates.
El signo del coeficiente indica la dirección de la relación y su valor absoluto indica la

fuerza de la relación. Los valores mayores indican que la relación es más estrecha.
Los valores posibles van de -1 a 1, pero un valor de -1 o +1 sólo se puede obtener a
partir de tablas cuadradas.
Pruebas No
Coeficiente de Correlación Tau b de Kendall paramétricas
Variable aleatoria Ordinal
Factor A Factor B Factor C
Variable aleatoria
Factor A
Ordinal
Factor B
Factor C 100%

Planteamiento: Se desea saber si el nivel de
instrucción es un factor predictivo para la
adherencia al tratamiento.
Adherencia al tratamiento
Nivel de instrucción Mala Regular Buena Total
Primaria 12 6 4 22
Secundaria 6 12 13 31
Superior 2 11 34 47
Total 20 29 51 100
El ritual de la significancia estadística
Plantear Hipótesis
1 Ho: __NO Existe correlación entre el nivel de instrucción y la adherencia al tratamiento__
H1: __ Existe correlación entre el nivel de instrucción y la adherencia al tratamiento ______

Nivel de Significancia (alfa) α = ___5% = 0.05____________

a) U de Mann-Whitney
3 b) Rangos de Wilcoxon
c) Correlación de spearman
d) Tau b de Kendall
Coeficiente Phi
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
D de Somers S&A
Rho de Spearman
NUMÉRICOS R de Pearson
Eta Rho de Spearman Rho de Spearman
Pruebas No
Coeficiente de Correlación Tau c de Kendall paramétricas
Tau-c de Kendall es una medida no paramétrica de la asociación para variables

ordinales que ignora los empates.
El signo del coeficiente indica la dirección de la relación y su valor absoluto indica la

fuerza de la relación. Los valores mayores indican que la relación es más estrecha.
Los valores posibles van de -1 a 1, pero un valor de -1 o +1 sólo se puede obtener a
partir de tablas cuadradas.
Pruebas No
Coeficiente de Correlación Tau c de Kendall paramétricas
Variable aleatoria Ordinal
Factor A Factor B Factor C Factor D
Variable aleatoria
Factor A
Ordinal
Factor B
Factor C 100%

Desnutrición y Anemia
Pruebas No
Planteamiento: Se desea saber si el grado de desnutrición global es paramétricas
un factor predictivo para el grado de anemia.
Grado de anemia
Estado
Nutricional
Normal Leve Moderada Severa Total Coeficiente de
DS 12 21 7 1 41
Correlación
SM Tau c de Kendall
44 48 3 1 96
DL 160 94 13 0 267
N 252 109 23 1 385
SP 21 10 4 1 36
O 2 5 1 0 8
OM 2 1 0 0 3
Total 493 288 51 4 836
Desnutrición y Anemia
Coeficiente de
Planteamiento: Se desea saber si el grado de desnutrición global es Correlación
un factor predictivo para el grado de anemia. Tau c de Kendall
Pruebas No
paramétricas
Tau-c de Kendall
Interpretar el valor de “Tau c”: a) de 0.00 a 0.19 Muy baja correlación 0 0,2 0,4 0,6 0,8 1,0
Coeficiente de asociación
Tau b de Kendall y
Tau c de Kendall
Coeficiente Phi
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
D de Somers S&A
Rho de Spearman
Medida de acuerdo Índice Kappa de Cohen Pruebas No
paramétricas
Tipos de concordancia
Es una medida de acuerdo donde el requisito fundamental es que se trata de un solo grupo y los resultados de la
observación tienen las mismas opciones.
Tenemos dos casos frecuentes:

1. Cuando las observaciones corresponden a diferentes instrumentos
2. Cuando las observaciones corresponde a diferentes observadores
En este caso el estadístico es un índice de concordancia.
paramétricas
Tabla de contingencia Variable aleatoria
Factor A Factor B
Variable aleatoria
Factor A
Factor B
100%

paramétricas
Propósito: Medicar el grado de concordancia de las observaciones.
H1: Existe concordancia entre los resultados de las dos observaciones.

Ho: No existe concordancia entre los resultados de las dos observaciones.
La prueba de hipótesis se realiza con el estadístico: Chi cuadrado de

Independencia. Y la medida de concordancia con el Kappa de Cohen
Pruebas No
Medida de paramétricas
acuerdo Índice Interpretación del Índice Kappa de Cohen
Kappa de Cohen Po  Pe
K
1  Pe
0 0,2 0,4 0,6 0,8 1,0
?
Punto de corte
Planteamiento: Se ha evaluado los niveles de glucosa en los pacientes del club de diabetes en un
Hospital Regional. ¿Existe concordancia entre los resultados del glucómetro y la medida
laboratorial?
Glucosa laboratorial
Elevada Normal Total
Glucómetro N % N % N %
Elevada 24 48,0 1 2,0 25 50,0
Normal 3 6,0 22 44,0 25 50,0
Total 27 54,0 23 46,0 50 100,0
Planteamiento: Se ha evaluado los niveles de glucosa en los pacientes del club de diabetes en un Hospital
Regional. ¿Existe concordancia entre los resultados del glucómetro y la medida laboratorial?
Plantear Hipótesis
1
Ho: No Existe concordancia entre los resultados del glucómetro y la medida laboratorial
H1: Existe concordancia entre los resultados del glucómetro y la medida laboratorial

Nivel de Significancia (alfa) α = ___5% = 0,05________

a) Test exacto de Fisher
3
b) Chi cuadrado de Pearson
c) Índice Kappa de Cohen
d) Corrección de Yates
Planteamiento: Se ha evaluado los niveles de glucosa en los pacientes del club de diabetes en un Hospital
Regional. ¿Existe concordancia entre los resultados del glucómetro y la medida laboratorial?
Valor de P=_ 0,000000002541 __________ Valor de Kappa=____ 0,840000 = 84,0%_________

Lectura del p-valor
4
Con una probabilidad de error del 0,000% existe concordancia entre los resultados del glucómetro y la medida
laboratorial.

Existe concordancia entre los resultados del glucómetro y la medida laboratorial
Interpretación: En los pacientes del club de diabetes de un Hospital Regional, se encontró que existe una alta
concordancia (Kappa = 0,84), entre los niveles de glucosa obtenidos mediante el glucómetro y el examen
laboratorial.
Concordancia entre medidas

e investigadores
Medida de acuerdo Índice
Kappa de Cohen
Coeficiente Phi
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
D de Somers S&A
Rho de Spearman
Categóricos
Aplicativo
Predictivo
c.- Medida de Asociación Epidemiología: Riesgo
Explicativo
Bivariado Relacional b.- Asociación

Medidas
Descriptivo
a.- Comparación
Exploratorio Grupos
Riesgo
Es la probabilidad de sufrir un evento adverso a la salud.
EL RIESGO ES RELATIVO
EL RIESGO ES RELATIVO
En estadística y epidemiología…
El riesgo relativo es un cociente entre el riesgo en el grupo con el factor de

exposición o factor de riesgo y el riesgo en el grupo de referencia (que no
tiene el factor de exposición)
El diseño para calcular el riesgo relativo es en un estudio de cohortes
Enfermos Sanos
Expuestos a b a+b
No expuestos c d c+d
a+c b+d n
𝑎+𝑏 𝑎+𝑏
𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑐𝑖𝑎 = 𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 =
𝑛 𝑛
El diseño de cohortes es un estudio prospectivo - longitudinal
Enfermos Sanos
Expuestos a b a+b
a+c b+d n
𝑎 𝑐
𝐼𝑛𝑐𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠 = 𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑛𝑜 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠 =
𝑎+𝑏 𝑐+𝑑
El diseño de cohortes es un estudio prospectivo - longitudinal
Enfermos Sanos
Expuestos a b a+b
a+c b+d n
𝑎 𝑐
𝐼𝑛𝑐𝑒𝑛𝑐𝑖𝑎 𝑒𝑛 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠 = 𝐼𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑛𝑜 𝑒𝑥𝑝𝑢𝑒𝑠𝑡𝑜𝑠 =
𝑎+𝑏 𝑐+𝑑
𝑎(𝑐 + 𝑑)
𝑹𝒊𝒆𝒔𝒈𝒐 𝑹𝒆𝒍𝒂𝒕𝒊𝒗𝒐 =
𝑐(𝑎 + 𝑏)
Medidas de Riesgo
Riesgo Relativo (RR) es difícil de obtener por cuanto los estudios longitudinales consumen demasiado
tiempo y recursos.
El Odds Ratio (OR) intenta imitar el valor del riesgo relativo mediante estudios transversales.
Bajo una estrategia metodológica adecuada el ODDS RATIO se acerca bastante al RIESGO RELATIVO.
Enfermos Sanos
Diseño de Expuestos a b 100%
cohortes
RR No expuestos c d 100%
a+c b+d 100%
Enfermos Sanos
Expuestos a b a+b
Diseño de casos
y controles No expuestos c d c+d
OR 100% 100% 100%
Enfermos Sanos
Diseño de Expuestos a b a+b 𝑎(𝑐 + 𝑑)
cohortes 𝑹𝒊𝒆𝒔𝒈𝒐 𝑹𝒆𝒍𝒂𝒕𝒊𝒗𝒐 =
No expuestos c d c+d 𝑐(𝑎 + 𝑏)
RR
a+c b+d n
Enfermos Sanos
Expuestos a b a+b 𝑎∗𝑑
Diseño de casos 𝑶𝒅𝒅𝒔 𝑹𝒂𝒕𝒊𝒐 =
No expuestos c d c+d 𝑐∗𝑏
y controles
OR a+c b+d n
Enfermos Sanos
Diseño de Expuestos a b a+b 𝑎(𝑐 + 𝑑)
cohortes 𝑹𝒊𝒆𝒔𝒈𝒐 𝑹𝒆𝒍𝒂𝒕𝒊𝒗𝒐 =
No expuestos c d c+d 𝑐(𝑎 + 𝑏)
RR
a+c b+d n
Enfermos Sanos
Expuestos a b a+b 𝑎∗𝑑
Diseño de casos 𝑶𝒅𝒅𝒔 𝑹𝒂𝒕𝒊𝒐 =
y controles No expuestos c d c+d 𝑐∗𝑏
OR a+c b+d n
Medidas de Asociación
 Evalúan la fuerza con que una variable o característica se asocia con otra.
 Una asociación es real cuando el valor de p < 0,05
2000 2005 2010 2015
Prevalencia Incidencia
Odds Ratio Riesgo Relativo
Transversal Longitudinal
Estudios de Casos y Controles Estudios de Cohortes

 El Riesgo Relativo (RR) y el Odds Ratio (OR) se interpretan en forma similar
0,5 Protección 1 Riesgo 1,5
 El Riesgo común de la población o muestra de sufrir o tener el evento de

interés sin identificar ningún factor ya sea de protección o de riesgo es de 1.
IC 95% (0,5 – 0,8) IC 95% (1,3 – 1,6)
 Intervalo de confianza 95%

 Significancia estadística
 Los Límites inferior y superior no sobrepasan el 1
IC 95% (0,8 – 1,3)
 Intervalo de confianza 95%

 Significancia estadística
 Los Límites inferior y superior no sobrepasan el 1
Riesgo Relativo (RR) para estudios de Cohortes
 Es una medida de asociación que indica cuanta probabilidad más tienen las personas expuestas de desarrollar la
enfermedad respecto a los no expuestos (Estudios Longitudinales y prospectivos).
 RR = Incidencia expuestos / Incidencia no expuestos (RR = Ie / Io)
Diabeticos No diabeticos Totales

Obesos 12 8 20
No Obesos 3 27 30
Totales 15 35 50
Prevalencia de diabeticos (15/50*100) = 30
Incidencia de diabeticos en los obesos (12/20*100) = 60
Incidencia de diabeticos en los No obesos (3/30*100) = 10
Riesgo Relativo RR (60/10) = 6
La probabilidad de enfermar de diabetes en los obesos es 6 veces más, que la probabilidad de enfermar de diabetes en los no obesos.
Odds Ratio (OR) para estudios de Casos y Controles
 Es una medida de asociación que indica cuántas veces más o menos tienen las personas expuestas de
desarrollar la enfermedad respecto a los no expuestos (Estudios transversales).
 OR = a x d / b x c
Casos Controles
Diabeticos No diabeticos Totales

Obesos a 12 c 8 20
No Obesos b 3 d 27 30
Totales 15 35 50
Odds Ratio (12*27)/(8*3)= 13,5

Las personas Obesas tienen 13,5 más riesgo de desarrollar diabetes
Calculo RR y OR en SPSS
Estimación de riesgo
 Analizar / Tablas de contingencia
Intervalo de confianza al 95%
 Columna: Diabetes, Fila: Obesidad
 Estadísticos: Chi-cuadrado, Riesgo… continuar Valor Inferior Superior
 Casillas: Porcentajes_Columna…continuar Razón de las ventajas para 13,500 3,040 59,960
 Aceptar
Factor (Expuestos / No
Expuestos)
Para la cohorte Enfermedad = 6,000 1,935 18,603
Enfermos
Para la cohorte Enfermedad = ,444 ,256 ,770
Sanos
N de casos válidos 50
Coeficiente Phi
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
D de Somers S&A
Rho de Spearman
NUMÉRICOS
Eta Rho de Spearman Rho de Spearman R de Pearson
Medidas/Fuerza en el SPSS
Coeficiente Phi
Odds Ratio
V de Cramer
NOMINAL Lambdas S&A
Kappa de Cohen
Gamma
Tau-b de Kendall
ORDINALES
D de Somers S&A
Rho de Spearman
NUMÉRICOS
Eta Rho de Spearman Rho de Spearman R de Pearson
A n á l i s i s d e l a Va r i a n za
ANOVA
ANOVA con un factor INTER-sujetos y pruebas Post Hot ,
ANOVA de Kruskal-Wallis,
X2 Chi-cuadrado de Homogeneidad
ANOVA con un factor INTER-sujetos y

pruebas Post Hot
Pruebas Paramétricas: Variables numéricas
Análisis de la Varianza (ANOVA)
En estadística, el análisis de la varianza (ANOVA, según terminología inglesa) es una colección de

modelos estadísticos y sus procedimientos asociados, en el cual la varianza es la clave para
encontrar diferencias entre grupos.

pruebas Post Hot
Análisis de la
Varianza
Prueba estadística paramétrica

- Varianzas homogéneas (Prueba de Levene)

pruebas Post Hot
Propósito: Identificar las diferencias entre los grupos
H1: Existe diferencias entre los grupos evaluados

Ho: No existe diferencias entre los grupos evaluados
La prueba de hipótesis se realiza con el estadístico: F del Análisis de la Varianza


pruebas Post Hot
Ho: A = B = C = D
H1: A ≠ B ≠ C ≠ D A B C D
Ho: A = B Ho: A = C Ho: A = D

A -
H1: A ≠ B H1: A ≠ C H1: A ≠ D
Ho: B = A Ho: B = C Ho: B = D

B -
H1: B ≠ A H1: B ≠ C H1: B ≠ D n(n  1)
Hipótesis 
Ho: C = A Ho: C = B Ho: C = D 2
C -
H1: C ≠ A H1: C ≠ B H1: C ≠ D
Ho: D = A Ho: D = B Ho: D = C

D -
H1: D ≠ A H1: D ≠ B H1: D ≠ C
Planteamiento: Se ha evaluado el peso en niños de 1 a 11 años en cuatro comunidades
de la Provincia Cordillera. ¿Existe diferencia de peso de los niños según la comunidad
evaluada? Nivel de significancia 5%.
Procedencia Diferencia de medias Error típico Sig. (p-valor)
Cruce Eity 5,6941 1,2522 0,000
Itapicoe 1,9256 1,4589 0,552
Ivamirapinta 4,7480 1,3263 0,003

Eity Cruce -5,6941 1,2522 0,000
Itapicoe -3,7685 1,3272 0,026
Ivamirapinta -,9461 1,1799 0,853

Itapicoe Cruce -1,9256 1,4589 0,552
Eity 3,7685 1,3272 0,026
Ivamirapinta 2,8224 1,3973 0,185

Ivamirapinta Cruce -4,7480 1,3263 0,003
Eity ,9461 1,1799 0,853
Itapicoe -2,8224 1,3973 0,185

Planteamiento: Se ha evaluado el peso en niños de 1 a 11 años en cuatro comunidades
de la Provincia Cordillera. ¿Existe diferencia de peso de los niños según la comunidad Análisis de la
evaluada? Nivel de significancia 5%. varianza y
pruebas Post Hoc
Realizar los subconjuntos homogéneos
Subconjunto para alfa = 0,05

Procedencia N 1 2 3
Eity 58 17,845
Ivamirapinta 44 18,791 18,791
Itapicoe 30 21,613 21,613
Cruce 36 23,539
Sig. (p-valor) 0,892 0,149 0,469
Kits para efectuar la
técnica de Glucosa
Planteamiento: Un bioquímico desea averiguar si hay diferencia Numéricos
entre tres marcas comerciales de kits, para efectuar la técnica de
glucosa. Para ello, prepara un “pool” de sueros, lo homogeniza bien Análisis de la
y los fracciona en 15 alícuotas. Asigna cinco viales para cada marca
y mide la glucosa para el mismo suero en forma repetida. Si la
varianza (ANOVA)
homogenización está bien realizada, se dan por cumplidos los y pruebas Post
supuestos de ANOVA. Los resultados se muestran en la tabla Hoc
siguiente. Decidir si existen diferencias significativas entre las
marcas probadas en el experimento.
Medición N° Marca 1 Marca 2 Marca 3
1 88,72 89,80 91,78
2 88,90 89,98 91,42
3 89,08 89,62 91,24
4 89,26 89,26 91,06
5 88,90 89,44 91,78
técnica de Glucosa
Numéricos
Análisis de la
varianza (ANOVA)
y pruebas Post
Hoc
técnica de Glucosa
Numéricos
Pruebas post hoc Análisis de la
varianza (ANOVA)
y pruebas Post
Hoc
técnica de Glucosa
Numéricos
Subconjuntos homogéneos
Análisis de la
varianza (ANOVA)
y pruebas Post
Hoc
Cantidad de calorías y de
sodio en salchichas Numéricos
Planteamiento: Se ha considerado la cantidad de calorías y de sodio en salchichas de
varias marcas de cada uno de los tipos siguientes:
Análisis de la
• Carne de ternera varianza (ANOVA)
• Mezcla (Cerdo, ternera y hasta 15 % de pollo) y pruebas Post
• Carne de pollo
a) ¿El tipo de carne de salchichas influye en la cantidad de sodio?
Hoc
b) ¿El tipo de carne de salchichas influye en la cantidad de calorías? Nivel de
significancia 5%.
a) Ho: El tipo de carne de salchichas NO influye en la cantidad de sodio?

Análisis de la
varianza (ANOVA)
y pruebas Post
Hoc
b) H1: El tipo de carne de salchichas SI influye en la cantidad de calorías
Análisis de la
varianza (ANOVA)
y pruebas Post
Hoc
Pruebas post hoc
b) ¿El tipo de carne de salchichas influye en la cantidad de calorías? Análisis de la
Subconjuntos homogéneos varianza (ANOVA)
y pruebas Post
Hoc
(ANOVA) y pruebas Post Hoc
ANOVA de Kruskal-Wallis
No Paramétrica: Variables Ordinal
Pruebas No
paramétricas
Análisis de la Varianza (ANOVA)
ANOVA de 1 vía de Kruskal-Wallis (k muestras) es una extensión de la prueba U de Mann-Whitney y

el análogo no paramétrico de análisis de varianza de un factor. Opcionalmente puede solicitar
múltiples comparaciones de las muestras k, en comparaciones múltiples todo por parejas o
comparaciones por pasos en sentido descendente.
Pruebas No
Contraste de hipótesis paramétricas
Propósito: Identificar las diferencias entre los grupos
H1: Existe diferencias entre los grupos evaluados

Ho: No existe diferencias entre los grupos evaluados
La prueba de hipótesis se realiza con el estadístico: ANOVA de Kruskal-Wallis

Barras de error simple Pruebas No

3,0
paramétricas
Grado académico 2,5
2,0
1,5
1,0
Cristianos/ Otras Ateos/

Católicos religiones Agnósticos
Creencias religiosas
Medicamento contra el Pruebas No
Colesterol paramétricas
(ANOVA) de Kruskal-Wallis
Planteamiento: En un experimento sobre la acción de un medicamento contra el
Colesterol, se midió la reducción del mismo al cabo de una semana de iniciado el
tratamiento. Determinar si hay diferencia significativa entre los cuatro grupos
testeados:
Medición N° 40-44 años 45-49 años 50-54 años > 55 años
1 189 175 186 100
2 238 205 190 128
3 250 198 170 110
4 190 200 160 139
5 210 180 195 154
Medicamento contra el Pruebas No
Colesterol paramétricas
Estado Nutricional Pruebas No
paramétricas
Planteamiento: Se ha evaluado el Estado nutricional a universitarios de las carreras de
salud.
a) ¿El grado de Estado Nutricional en los universitarios será diferente según las
variables aleatorias estudiadas (Categóricas)?
b) ¿El grado de Estado Nutricional en los universitarios será diferente según las
variables aleatorias estudiadas (Numéricas)?
Estado Nutricional
Variables de estudio Normal Obesidad
(Categóricas) Desnutrición (Eutrófico) Sobrepeso Obesidad mórbida
n = 16 n = 126 n = 65 n=2 n=2 Total P-Valor
Actividad Gym 1 32 20 1 1 55
fisica Futbol 2 31 19 0 0 52
Crossfit 3 19 4 0 0 26
0,088
Calistenia 2 13 6 0 1 22
Ninguno 3 9 8 1 0 21
Otros 5 22 8 0 0 35
Días practica 1 día 0 1 1 0 0 2
2 días 2 13 13 0 0 28
3 días 5 21 5 0 0 31
5 días 4 51 22 1 2 80 0,865
6 días 0 22 14 0 0 36
Todos los días 2 11 4 0 0 17
Ningun día 3 7 6 1 0 17
Enfermedad Ninguna 12 101 55 2 0 170
Respiratoria 2 10 2 0 1 15
Muscular 1 8 5 0 0 14
Cardiaca 1 3 3 0 0 7
0,040
Miopia 0 2 0 0 0 2
Anemia 0 1 0 0 0 1
Fractura 0 0 0 0 1 1
Renal y neurológica 0 1 0 0 0 1
Visita medica Ocacionalmente 5 72 37 2 1 117
Mensual 1 17 7 0 0 25
0,237
Semestral 7 19 6 0 1 33
Anualmente 3 18 15 0 0 36
Tiempos 2 2 1 2 0 0 5
comidas 3 2 13 11 0 0 26
4 2 29 18 0 1 50 0,387
5 6 50 19 1 1 77
6 4 33 15 1 0 53
Lugar Casa 10 97 42 1 1 151
consumo Universidad 3 16 8 0 1 28
Restaurant 3 4 11 0 0 18 0,236
Catering 0 9 1 0 0 10
Trabajo 0 0 3 1 0 4
Consumo de Alto 6 17 13 0 0 36
azucar Moderado 4 59 28 1 1 93 0,697
Bajo 6 50 24 1 1 82
Consumo de Alto 2 10 10 0 0 22
aceite y Moderado 4 69 28 1 1 103 0,645
grasas Bajo 10 47 27 1 1 86
Estado Nutricional Pruebas No
paramétricas
Planteamiento: Se ha evaluado el Estado nutricional a universitarios de las carreras de
salud.
a) ¿El grado de Estado Nutricional en los universitarios será diferente según las
variables aleatorias estudiadas (Categóricas)?
b) ¿El grado de Estado Nutricional en los universitarios será diferente según las
variables aleatorias estudiadas (Numéricas)?
Estado Nutricional
Variables de estudio Normal Obesidad
(Numéricas) Desnutrición (Eutrófico) Sobrepeso Obesidad mórbida
n = 16 n = 126 n = 65 n=2 n=2 Total P-Valor
Minutos 0 3 7 6 1 0 17
practica 20 0 0 1 0 0 1
45 2 26 13 0 2 43
60 10 68 35 1 0 114 0,189
90 1 24 9 0 0 34
150 0 0 1 0 0 1
240 0 1 0 0 0 1
Litros agua 0 1 8 3 0 0 12
1 2 25 15 1 0 43
0,122
2 10 69 41 1 0 121
3 3 24 6 0 2 35
Raciones 1 5 30 28 1 0 64
frutas 2 9 66 29 1 1 106
3 2 23 4 0 1 30 0,040
4 0 6 3 0 0 9
5 0 1 1 0 0 2
Raciones 1 6 27 31 1 0 65
verduras 2 9 67 26 1 1 104
3 1 23 6 0 1 31 0,002
4 0 8 2 0 0 10
5 0 1 0 0 0 1
Raciones 0 0 3 0 0 0 3
lacteos 1 8 34 26 1 1 70
2 3 58 27 1 0 89
0,619
3 4 25 11 0 1 41
4 0 5 0 0 0 5
5 1 1 1 0 0 3
Raciones de 0 0 2 2 0 0 4
cereales y 1 0 1 0 0 0 1
legumbres 2 6 61 36 1 1 105
3 1 38 17 1 1 58 0,153
4 6 15 9 0 0 30
5 3 8 1 0 0 12
6 0 1 0 0 0 1
Raciones de 1 7 28 14 0 0 49
carne, 2 5 58 26 2 0 91
huevos y 0,143
3 4 29 22 0 1 56
embutidos 4 0 11 3 0 1 15
Raciones de 0 1 2 2 0 0 5
bebidas 1 3 56 27 1 1 88
2 1 44 12 0 1 58 0,143
3 10 15 15 1 0 41
4 1 9 9 0 0 19
(ANOVA) de Kruskal Wallis
Comparar más de dos MEDIDAS
Pruebas paramétricas Pruebas no paramétricas
Nivel de Nominal Nominal
Objetivo Estadístico Numéricos Ordinales
Investigación Dicotómica Politómica
2
X de Homogeneidad
Comparar dos t de Student para U Mann-Whitney Corrección de Yates
grupos muestras independientes Test exacto de Fisher X2 de Homogeneidad
Comparar dos t de Student para Prueba de Wilcoxon

medidas muestras relacionadas X2 de McNemar Q de Cochran
Asociar o Correlación de
Correlacionar Correlación de Pearson Spearman X2 de Independencia X2 de Independencia
Medida de
RELACIONAL Asociación/ Coeficiente de correlación Taub de Kendall
Correlación R Pearson Índice Kappa de Cohen Índice Kappa de Cohen
(ANOVA con un factor ANOVA de Kruskal-
INTERsujetos) y pruebas Wallis Análisis de
Más de dos grupos Post Hoc correspondencia X2 de Homogeneidad
ANOVA para medidas
repetidas o
Más de dos ANOVA con un factor
medidas INTRAsujetos Friedman Q de Cochran Q de Cochran
Planteamiento: Se desea evaluar la eficacia de un programa de dieta Análisis de la varianza
y ejercicios para bajar de peso (Antes, a la mitad y al final). ¿El peso (ANOVA) para
después del programa de dieta y ejercicios es menor al peso a la medidas repetidas
mitad y el peso basal?
Plantear Hipótesis
1
Ho: El peso después del programa de dieta y ejercicios no es menor al peso a la mitad y el peso basal
H1: El peso después del programa de dieta y ejercicios es menor al peso a la mitad y el peso basal

Nivel de Significancia (alfa) α = ___5% = 0,05____________

a) ANOVA con un factor
3
b) ANOVA para medidas repetidas
c) ANOVA de Kruskal-Wallis
d) ANOVA de Friedman
P < 0,05 → H1: Diferencia E.S. En las varianzas de pares de medias

Incumplimiento supuesto de esfericidad
24,2% se debe al efecto de las

condiciones de la valoración y
no al error.
Valor de P=_____ 0,079 = 7,9% _______________________

Con una probabilidad de error del 7,9% El peso después del programa de dieta y ejercicios es menor
al peso a la mitad y el peso basal

El peso después del programa de dieta y ejercicios no es menor al peso a la mitad y el peso basal
Interpretación
El programa de dieta y ejercicios de 1 año de duración, no es muy efectivo para reducir el peso de los
participantes, pero en la comparación entre pares se observa que el programa de dieta de la mitad al
final si es significativamente efectiva (P:0,004).
(ANOVA) para medidas
repetidas (Intra-sujetos)
Pruebas No
Es una prueba no paramétrica de comparación de tres o más paramétricas
muestras relacionadas, debe cumplir las siguientes características:
• Es libre de curva, no necesita una distribución específica
(ANOVA) de Friedman
• Nivel ordinal de la variable dependiente
• Se utiliza para comparar más de dos mediciones de rangos (medianas) y determinar
que la diferencia no se deba al azar (que la diferencia sea estadísticamente
significativa).
• El arreglo en bloques consiste en colocar los datos en una tabla de n filas y k
columnas. Las filas (bloques) representan a los distintos sujetos, unidades, animales,
plantas, etc. Y las columnas a las diferentes condiciones (tratamientos, grupos,
muestras, etc.)
Evaluación Sensorial Pruebas No
Galletas enriquecidas CPFZ paramétricas
Planteamiento: En un estudio se pretende evaluar la calidad nutricional de galletas enriquecidas al
10% de Concentrado Proteico Foliar de Zanahorias (CPFZ), donde se midió la aceptabilidad global y la
aceptabilidad de los atributos sensoriales: sabor, textura, olor y color, a nivel de laboratorio, utilizando
10 panelistas semi-entrenados y una escala hedónica no estructurada de 9 puntos. ¿Existirá una
diferencia significativa en la aceptabilidad de los atributos sensoriales?. Nivel de significancia 5%.
(ANOVA) de Friedman
Prueba de
Wilcoxon
Galletas enriquecidas con Concentrado Pruebas No
Proteico Foliar de Zanahoria paramétricas
Planteamiento: En un estudio se pretende evaluar la calidad nutricional de galletas enriquecidas con
Concentrado Proteico Foliar de Zanahorias (CPFZ). Se ensayaron 3 niveles de enriquecimiento: 5%
(T1), 10% (T2), 15% (T3) y un grupo control de galletas no enriquecidas (T0). Se midió la aceptabilidad
global y la aceptabilidad de los atributos sensoriales: sabor, textura, olor y color, a nivel de laboratorio,
utilizando 10 panelistas semi-entrenados y una escala hedónica no estructurada de 9 puntos. ¿Existirá
una diferencia significativa en la aceptabilidad de los atributos sensoriales? Nivel de significancia 5%.
Estadísticos descriptivos
Marca Olor Color Sabor Textura
T0 X ± DE 7,20 ± 0,789 7,60 ± 0,843 5,10 ± 1,729 3,60 ± 0,516
T1 X ± DE 7,30 ± 0,675 5,40 ± 3,134 5,50 ± 2,506 5,30 ± 0,823
T2 X ± DE 7,10 ± 0,876 7,60 ± 2,066 6,70 ± 1,337 4,60 ± 0,699
T3 X ± DE 7,10 ± 0,568 7,20 ± 1,398 5,70 ± 2,003 4,50 ± 0,707
Prueba de Friedman Rango promedio
T0 3,3 3,4 2,75 3,15
T1 3,65 2,55 3,45 3,25
T2 1,9 2,15 2,5 2,15
T3 1,15 1,9 1,3 1,45
P-valor (5%) 0,000 0,038 0,001 0,002
Prueba de Wilcoxon
Olor Color Sabor Textura
Marca Z P-valor Z P-valor Z P-valor Z P-valor
b
T0/T1 -,921 0,357 -1,268b 0,205 -1,436b 0,151 -,159b 0,873
c b c c
T0/T2 -2,692 0,007 -1,809 0,071 -1,025 0,305 -2,047 0,041
T0/T3 -2,873c 0,004 -2,694b 0,007 -2,728c 0,006 -2,848c 0,004
T1/T2 -2,844c 0,004 -,085c 0,932 -1,192c 0,233 -1,992c 0,046
c c c c
T1/T3 -2,848 0,004 -,180 0,857 -2,676 0,007 -2,539 0,011
T2/T3 -1,851c 0,064 -,282b 0,778 -2,555c 0,011 -1,676c 0,094
a. Prueba de los rangos con signo de Wilcoxon

b. Basado en los rangos negativos.
c. Basado en los rangos positivos.
(ANOVA) para medidas
repetidas de Friedman
Tipos de pruebas No Paramétricas para varias muestras relacionadas Pruebas No
paramétricas
Hay tres pruebas disponibles para comparar las distribuciones de diversas variables relacionadas.
La prueba de Friedman es el equivalente no paramétrico de un diseño de medidas repetidas para una

muestra o un análisis de varianza bidimensional con una observación por casilla. Friedman contrasta la Análisis de la varianza
hipótesis nula de que las k variables relacionadas procedan de la misma población. Para cada caso, a (ANOVA) de Friedman
las k variables se les asignan los rangos 1 a k. El estadístico de contraste se basa en estos rangos.
La W de Kendall es una normalización del estadístico de Friedman. La prueba W de Kendall se puede

interpretar como el coeficiente de concordancia, que es una medida de acuerdo entre evaluadores. Cada
caso es un juez o evaluador y cada variable es un elemento o persona que está siendo evaluada. Para
cada variable, se calcula la suma de rangos. La W de Kendall varía entre 0 (no hay acuerdo) y 1 (acuerdo
completo).
La prueba Q de Cochran es idéntica a la prueba de Friedman pero se puede aplicar cuando todas las
respuestas son binarias. Esta prueba es una extensión de la prueba de McNemar para la situación
de k muestras. La Q de Cochran contrasta la hipótesis de que diversas variables dicotómicas relacionadas
tienen la misma media. Las variables se miden al mismo individuo o a individuos

Bioestadística: Test de Hipótesis Del Nivel RELACIONAL Bivariado Por Bioq. José Luis Soto Velásquez

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Bioestadística: Test de Hipótesis Del Nivel RELACIONAL Bivariado Por Bioq. José Luis Soto Velásquez

Hochgeladen von

Copyright:

Verfügbare Formate

TEST DE

Son estudios que solo demuestra dependencia probabilística entre eventos;

La estadística bivariada nos permite hacer

Propósito investigativo: Factores de riesgo, Factores

t de Student para Prueba de Wilcoxon

RELACIONAL Medida de Asociación/ Coeficiente de Tau b de Kendall

01 T Student para muestras independiente

Pruebas No Paramétricas: Dicotómicas y Politómicas

El procedimiento Prueba T para muestras

Ho: La variabilidad en ambos grupos no son diferentes

La prueba de hipótesis se realiza con el estadístico: Test de Levene

Contraste de hipótesis para comparar medias

Propósito: Comparar el promedio de ambos grupos.

Ho: El promedio de un grupo no es distinto al promedio del otro grupo.

La prueba de hipótesis se realiza con el estadístico:

Planteamiento de hipótesis para la media

2 Establecer un nivel de significancia

Seleccionar estadístico de prueba (Resaltarla con amarillo)

5 Toma de decisiones (dar como respuesta una de las Hipótesis)

Archivo SPSS: Comparar la P.A. en los dos grupos

● Se utiliza cuando la variable aleatoria es ordinal o cuando se trata de una

Propósito: Demostrar diferencias entre los grupos

Ho: Los grupos a comparar no son diferentes

La prueba de hipótesis se realiza con el estadístico: U Mann-Whitney

100% 100% 100%

H1: Las frecuencias de la variable aleatoria en los grupos son diferentes

La prueba de hipótesis se realiza con el estadístico:

Regla de decisiones para la prueba de hipótesis

0 0,01 0,02 0,03 0,04 0,05

Nivel de significancia (alfa)

Archivo SPSS: Parasitosis escolar

Archivo SPSS: SP y O en las carreras de salud

Ho: Las incidencia de desnutrición es igual en las seis comunidades

Conclusión: Las incidencia de desnutrición es distinta en las seis comunidades

Es una prueba de significación estadística utilizada en el análisis

Es una pruebas exactas , llamada así porque el significado de la

El test exacto de Fisher permite analizar si dos variables dicotómicas

Estas condiciones exigen que los valores esperados de al menos el 80%

Es importante tener en cuenta que el test de Fisher está diseñado para

Prueba de hipótesis a una sola cola

Propósito: Calcular la probabilidad de distribución asimétrica en la población

Ho: No existe distribución asimétrica en la población.

La prueba de hipótesis se realiza con el estadístico: La probabilidad exacta de Fisher.

Variable Fija Variable Aleatoria

Modelo II Modelo III

Antes = Pre Después = Post

Antes = Pre test Después = Post test

Antes = Pre Pruebas No Paramétricas

Compara las medias de dos variables de un solo grupo. El

Ejemplo. En un estudio sobre la hipertensión sanguínea, se

Comparación (Antes - Después)

Antes Intervención Después

Pruebas estadísticas paramétricas

Ho: La medida antes no es diferente y la medida después

La prueba de hipótesis se realiza con el estadístico:

Antes = Pre A dos colas

Después = Post test

Ho: La medida antes no es diferente y la medida después

La prueba de hipótesis se realiza con el estadístico: Prueba de Wilcoxon.

Después = Post test

2 Establecer un nivel de significancia

Seleccionar estadístico de prueba (Resaltarla con amarillo)

Valor de P=_____ 0,005 = 0,5% _______________________

Valor de P=_ 0,005 = 0,5% ___________________

Valor de P=_ 0,471697 = 47,169% _______________________ Correlación por

Valor de P=_ 2,4916E-9 = 0,00% _______________________