ESTADSTICA

Dr. David Cabrera Vsconez, MSc.

Concepto de estadstica Mtodo de razonamiento que permite interpretar un conjunto de datos cuyo carcter esencial es la variabilidad.

Tipos de estadstica
1.Estadstica descriptiva. Organizacin, presentacin y sntesis de los datos de una manera cientfica y lgica. 2. Estadstica inferencial. Bases lgicas mediante las cuales se establecen conclusiones relacionadas con poblaciones, a partir de los resultados obtenidos en muestras; trabaja con los datos que le proporciona la estadstica descriptiva y es la parte de la estadstica fundamental para la medicina clnica.

Poblacin y muestra
La poblacin es el conjunto de todos los individuos, generalmente inaccesible, que tienen en comn alguna caracterstica observable y del que se pretende obtener una serie de conclusiones. Se denomina muestra al conjunto menor de individuos, accesible y limitado, sobre el que se realiza el estudio con idea de obtener conclusiones generalizables a la poblacin. El proceso de seleccin de los individuos se puede realizar mediante distintas tcnicas de muestreo:

Tipos de muestra
a. Muestreo aleatorio simple. Es aquel tipo de muestreo en el que cada individuo tiene las mismas posibilidades de ser elegido para formar parte de la muestra. b. Muestreo aleatorio estratificado. Con este tipo de muestreo aseguras que la muestra tenga la misma proporcin de una(s) variable(s) que la poblacin de la que procede. c. Muestreo sistemtico. El proceso de seleccin se basa en alguna regla sistemtica simple, por ejemplo, elegir uno de cada n individuos. d. Muestreo por etapas. La seleccin se realiza en dos o ms etapas sucesivas y dependientes.

Variables

Estudio de un test o prueba

Conceptos
Sensibilidad (S). Se define como la probabilidad de que un individuo enfermo tenga un test +. La sensibilidad indica la proporcin del total de enfermos que el test es capaz de detectar. Especificidad (E). Probabilidad de que un individuo sano tenga un test -. La especificidad indica la proporcin de individuos sanos confirmados como tales por el resultado negativo del test.

Conceptos
Tasa de falsos negativos (TFN). Es la probabilidad de que un individuo estando enfermo sea clasificado como sano. Tasa de falsos positivos (TFP). Es la probabilidad de que a un individuo sano se le clasifique como enfermo.

Conceptos
Razn de probabilidad positiva. Compara la probabilidad de que un paciente enfermo presente un resultado positivo comparado con la probabilidad de que el resultado positivo se presente en un individuo sano. Razn de probabilidad negativa. Compara la probabilidad de que un paciente enfermo presente un resultado negativo comparado con la probabilidad de que el resultado negativo se presente en un individuo sano.

Conceptos
Valor predictivo positivo. Se trata proporcin de verdaderos positivos aquellos que han sido identificados positivos en una prueba de test. Valor predictivo negativo. Se trata proporcin de verdaderos negativos aquellos que han sido identificados negativos en un test. de la entre como de la entre como

Conceptos
Valor global (eficiencia) del test. Indica la proporcin de resultados vlidos entre el conjunto de resultados. Sensibilidad + Tasa de falsos negativos = 100%. Especificidad + Tasa de falsos positivos = 100%

Aceptabilidad de un mtodo diagnstico

No existe un parmetro gua til para todas las situaciones. La aceptabilidad de un test depende de la patologa estudiada y de las condiciones reales en el medio y en la colectividad. Si lo que interesa es detectar el mayor nmero posible de enfermos, se debe usar un test con alta sensibilidad. As se te escaparn pocos, aunque al precio de bastantes falsos positivos.

Aceptabilidad de un mtodo diagnstico

Elegiremos un test sensible cuando: La enfermedad sea grave y no pueda pasar desapercibida. La enfermedad sea tratable. Los resultados falsamente positivos no supongan un traumatismo psicolgico en los individuos examinados.

Aceptabilidad de un mtodo diagnstico

Si lo que quieres es asegurar el diagnstico, debes usar un test cuya especificidad sea mxima. Utilizaremos un test lo ms especfico posible cuando: La enfermedad sea importante, pero difcil de curar o incurable. Los resultados falsamente positivos puedan suponer un trauma psicolgico para el individuo examinado . El tratamiento de los falsos positivos pudiera tener graves consecuencias.

Medidas de frecuencia de la enfermedad

Prevalencia. Es el nmero total de casos entre el total de la poblacin. No hace distincin entre casos antiguos y nuevos y nos describe la situacin en un momento determinado del tiempo. Es mayor a mayor incidencia y mayor duracin de la enfermedad

Medidas de frecuencia de la enfermedad

Incidencia acumulada. Se define como el nmero de casos nuevos de una enfermedad que se producen en un perodo de tiempo. Es la probabilidad de que un individuo desarrolle la enfermedad en ese perodo.

Medidas de frecuencia de la enfermedad

Medidas de asociacin o efecto

RIESGO RELATIVO Es la medida de asociacin en los estudios de cohortes. Mide la fuerza de la asociacin entre el factor de riesgo y la enfermedad. Puede variar entre 0 e infinito. Responde a la pregunta: Cunto ms frecuente es la enfermedad entre los expuestos a un factor de riesgo, respecto a los no expuestos?

Medidas de asociacin o efecto

Medidas de asociacin o efecto

Medidas de asociacin o efecto

ODDS RATIO (RAZN DE DESVENTAJA) Es una razn. Es la medida bsica de los estudios casos-controles. Su significado es idntico al del RR, aunque no puede calcularse como l, ya que en los estudios casos-controles no puede calcularse la incidencia de la enfermedad. Para que la OR sea un buen estimador del RR es necesario que los controles sean representativos de la poblacin de la que han surgido los casos y que la enfermedad tenga una incidencia baja, inferior al 10%.

Medidas de asociacin o efecto

Medidas de asociacin o efecto

Es la medida de asociacin de los estudios transversales. Su interpretacin es similar a la del riesgo relativo, es decir, el nmero de veces ms que padecen la enfermedad los expuestos frente a los no expuestos.

Medidas de tendencia central

Son indicadores estadsticos que resumen todos los datos en un solo nmero. Han sido obtenidas a travs de frmulas. Se utiliza generalmente para variables cuantitativas. Son valores que representan un conjunto de datos. Son llamados de tendencia central porque se ubican en el centro de la distribucin.

Medidas de tendencia central

MEDIA ARITMTICA O PROMEDIO MEDIANA MODA

Medidas de tendencia central

a) Media aritmtica ( X ) La media aritmtica o simplemente media, que denotaremos por X , es el nmero obtenido al dividir la suma de todos los valores de la variable entre el numero total de observaciones, y se define por la siguiente expresin:

Medidas de tendencia central

Medidas de tendencia central

Ventajas e inconvenientes: - La media aritmtica viene expresada en las mismas unidades que la variable. - En su clculo intervienen todos los valores de la distribucin. - Es el centro de gravedad de toda la distribucin, representando a todos los valores observados. - Es nica. - Su principal inconveniente es que se ve afectada por los valores extremadamente grandes o pequeos de la distribucin.

Medidas de tendencia central

Mediana ( Me ) Dada una distribucin de frecuencias con los valores ordenados de menor a mayor, llamamos mediana y la representamos por Me, al valor de la variable, que deja a su izquierda el mismo nmero de frecuencias que a su derecha. Se usa con datos heterogneos. Se calcula con la frmula N/2 y se debe construir la tabla de frecuencias acumuladas.

Medidas de tendencia central

Medidas de tendencia central

Moda La moda es el valor de la variable que ms veces se repite, y en consecuencia, en una distribucin de frecuencias, es el valor de la variable que viene afectada por la mxima frecuencia de la distribucin. En distribuciones no agrupadas en intervalos se observa la columna de las frecuencias absolutas, y el valor de la distribucin al que corresponde la mayor frecuencia ser la moda. A veces aparecen distribuciones de variables con ms de una moda (bimodales, trimodales, etc), e incluso una distribucin de frecuencias que presente una moda absoluta y una relativa.

Medidas de tendencia central

1 2 5 7 10 13 3 4 9 10 7 2

Medidas de tendencia central

22 23 24 22 25 28 22 21 23 24 25 26 23 24 25 22 21 28 23

Medidas de tendencia no central

Los cuantiles son aquellos valores de la variable, que ordenados de menor a mayor, dividen a la distribucin en partes, de tal manera que cada una de ellas contiene el mismo nmero de frecuencias. Los cuantiles ms conocidos son: Cuartiles Deciles Centiles o Percentiles

Medidas de tendencia no central

Cuartiles ( Qi ) Son valores de la variable que dividen a la distribucin en 4 partes, cada una de las cuales engloba el 25 % de las mismas. Se denotan de la siguiente forma: Q1 es el primer cuartil que deja a su izquierda el 25 % de los datos; Q2 es el segundo cuartil que deja a su izquierda el 50% de los datos, y Q3 es el tercer cuartil que deja a su izquierda el 75% de los datos. (Q2 = Me)

Medidas de tendencia no central

Deciles ( Di) Son los valores de la variable que dividen a la distribucin en las partes iguales, cada una de las cuales engloba el 10 % de los datos. En total habr 9 deciles. (Q2 = D5 = Me ) Centiles o Percentiles ( Pi ) Son los valores que dividen a la distribucin en 100 partes iguales, cada una de las cuales engloba el 1 % de las observaciones. En total habr 99 percentiles. (Q2 = D5 = Me = P50)

Medidas de tendencia no central

Medidas de tendencia no central

5 10 15 20 25

3 7 5 3 2

Medidas de tendencia no central

Mediana Primer cuartil (C1) Tercer cuartil (C3) Cuarto Decil (D4) Nonagsimo percentil (P90)

Medidas de dispersin
La diferencia o variacin de las observaciones individuales en estadstica se denomina dispersin. El indicador ms elemental de dispersin es el rango; se obtiene de la diferencia encontrada entre el valor mximo y mnimo de las observaciones realizadas.
Desviacin = valor de una observacin la media de la poblacin

Medidas de dispersin
Varianza La varianza mide la mayor o menor dispersin de los valores de la variable respecto a la media aritmtica. Cuanto mayor sea la varianza mayor dispersin existir y por tanto menor representatividad tendr la media aritmtica. La varianza se expresa en las mismas unidades que la variable analizada, pero elevadas al cuadrado.

Medidas de dispersin
Varianza 1) La varianza siempre es mayor o igual que cero y menor que infinito ( 0) 2 S x 2) Si a una variable X la sometemos a un cambio de origen a y un cambio de escala b , la varianza de la nueva variable Y= a + bX, ser:

Medidas de dispersin
Desviacin estndar Es la raz cuadrada positiva de la varianza. Es, junto con la anterior, la medida de dispersin ms usada. Muestra cmo se distribuyen los valores alrededor de la media.

Medidas de dispersin
# de observacin 1 2 3 4 5 6 peso al nacer gramos 1700 2000 2200 2500 2700 3200 media 2873 2873 2873 2873 2873 2873 desviacin -1173 -873 -673 -373 -173 327

7
8 9 10 11 sumatoria

3300
3300 3300 3400 4000 31603

2873
2873 2873 2873 2873

427
427 427 527 1127 0

Medidas de dispersin
# de observacin 1 2 3 4 5 6 7 8 9 10 11
sumatoria

peso al nacer gramos 1700 2000 2200 2500 2700 3200 3300 3300 3300 3400 4000
31603

media desviacin (X-u)^2 2873 -1173 1375929 2873 -873 762129 2873 -673 452929 2873 -373 139129 2873 -173 29929 2873 327 106929 2873 427 182329 2873 427 182329 2873 427 182329 2873 527 277729 2873 1127 1270129 0 4961819

VARIANZA
4961819 / 11 = 451074,455

DESVIACIN ESTNDAR
451074,455 = 671,62 Cuando el investigador usa una muestra y no todo el universo a n se le resta 1 (n 1). VAR = 4961819 / (11-1) = 496181,9 DE = 704,4

Coeficiente de dispersin
Es una medida que nos ayuda a comparar la dispersin de dos variables (ej. Peso y talla). CD = (D.E. /u) x 100 El coeficiente de dispersin es tambin de utilidad para comparar la variacin de resultados de un laboratorio a otro en controles de calidad.

Valores Z
El Valor Z, nos indica cuntas D.E. se dispersa una observacin de su media. Transformar la medida de una observacin a un valor Z se denomina NORMALIZACIN. Normalizacin Z= (x-u)/(D.E.)

Valores Z
Normalizacin Z= (x-u)/(D.E.) Z = (1700 2873) / 704,4 =

Valores Z
Normalizacin Z= (x-u)/(D.E.) Z = (1700 2873) / 704,4 = - 1,66 Lo que signiffica que el nio de la observacin 1 se encuentra a 1,66 desviaciones estndar de la media de su grupo.

MUESTREO
La poblacin o universo: Es el conjunto de todos los elementos que tienen una o ms caractersticas en comn. Censo: Es el conjunto de operaciones destinadas a recopilar, procesar, evaluar y publicar datos referentes a todas las unidades de un universo Muestra: Es un subconjunto representativo de elementos que han sido extrados de una poblacin. Elemento: Es la unidad acerca de la cual se est recolectando informacin.

MUESTREO
Muestreo: Es el procedimiento mediante el cual se extraen algunos elementos de una poblacin. Slo de esa parte de la poblacin se obtiene informacin para a travs de ella estimar ciertas caractersticas importantes de la poblacin. Unidad de muestreo: Es el elemento o elementos que se encuentran disponibles para su seleccin en alguna de las etapas de muestreo. En los procedimientos ms simples, la unidad de muestreo puede ser tambin el elemento

MUESTREO
Ventajas del muestreo: Ahorro de dinero debido a que se consideran menos unidades para trabajar. Ahorro de tiempo, dado que el nmero de mediciones solo es de una parte representativa de la poblacin. Mayor precisin, la muestra puede ser ms precisa porque reduce la magnitud de los errores no muestrales, debido a que: Existe menos personal necesario para hacer las mediciones (u observaciones). Hay personal con mejor preparacin. Puede variar las condiciones del estudio si se demora su ejecucin.

MUESTREO
Ventajas del muestreo: Conveniencia, es conveniente el uso de una muestra si el estudio ocasiona la destruccin de la unidad estudiada. Ejemplo. Para verificar la letalidad de un veneno para ratas se experimenta con una muestra de estos animales. Desventajas del muestreo: Las estimaciones resultantes del muestreo estn afectas al inevitable error de muestreo. La informacin proveniente de una muestra no proporciona informacin tipo inventario para cada uno de los elementos de la poblacin. Las estimaciones no pueden subdividirse para pequeos dominios de anlisis, considerando que no todos ellos pueden estar representados debidamente en la muestra. Requiere de personal especializado y experimentado.

TIPOS DE MUESTRA
Pueden ser representativas y no representativas. Representativas -> son aquellas en las que la distribucin de las caractersticas de los fenmenos que se miden en la muestra son en lo posible, iguales y generalizables a las del universo, a diferencia de las no representativas.

TIPOS DE MUESTRA
En los estudios descriptivos es muy importante que la muestra sea representativa, ya que el objetivo principal ser la generalizacin de resultados. En estudios analticos de cohorte el objetivo principal es comparar grupos (de expuestos no expuestos) y no generalizar caractersticas, por lo tanto la muestra no requiere ser representativa.

TIPOS DE MUESTRA
En los estudios analticos de casos y controles (sobre todo de enfermedades poco frecuentes) el investigador tomar intencionadamente los casos (enfermos) para inducir un nmero suficiente de ellos en el estudio. En estudios experimentales y en especial en pruebas clnicas con controles recurrentes, la seleccin de los sujetos que cubran los criterios de participacin tampoco requieren ser representativos (pero debe haber azar).

MUESTREO PROBABILSTICO
Pueden tener variantes y son: Aleatorios simples: La misma probabilidad de seleccin. Aleatorio sistemtico: Se pueden calcular internvalos, etc. Muestreo aleatorio estratificado: se divide al universo en estratos (ej: costa, sierra; norte, centro, sur)

MUESTREO PROBABILSTICO
Muestreo aleatorio por conglomerados en dos etapas: En ocasiones no se cuenta con listado o nombres de todos los sujetos en estudio. Entonces es til dividir en conglomerados.
UNIVERSO provincia parroquia barrio estudiantes secundarios CONGLOMERADO parroquia, barrios barrios, manzanas, manzanas, edificios, casas colegios, cursos, paralelos

MUESTREO NO PROBABILSTICO
Son mtodos no probabilsticos cuando la asignacin de los sujetos no es aleatoria. La falta de probabilidad da como resultado que la distribucin de las caractersticas de la muestra no sea igual a la de su universo, por lo tanto, los resultados no son generalizables.

MUESTREO NO PROBABILSTICO
Los estudios descriptivos con muestras no probabilsticas se denominan Estudios de Casos en Serie, sus resultados no son generalizables y algunos, porque no comprueban ninguna hiptesis y por lo tanto algunos investigadores no los consideran trabajos de investigacin.

MUESTREO NO PROBABILSTICO
Muestreo accidental o por conveniencia Se usan sujetos para investigacin con los que ms fcilmente se cuente (hospitalizados, familiares de pacientes, peatones) Muestreo por cuotas Es la toma de sujetos que representen proporcionalmente a la muestra (ej. Poblacin de Quito: 100 individuos del sur, 25 del centro y 50 del norte).

MUESTREO NO PROBABILSTICO
Muestreo intencionado Se da cuando la seleccin de sujetos cumplen con ciertas caractersticas que se requieren en el estudio.

CLCULO DE LA MUESTRA
La determinacin del nmero de sujetos de estudio que constituyen la muestra, es decir, el tamao de la muestra (n) depende de: 1. Tipo de variable a medirse: cuantitativa o cualitativa 2. Variacin de las mediciones obtenidas 3. El nivel de confianza y precisin que el investigador desea obetener en el estudio

CLCULODE LA MUESTRA
PROPORCIONES n= z^2((p(1-p))/e^2) e=precisin propuesta Z=representa al nivel de confianza en la tabla de valores Z. MEDIA n= z^2((DE^2)/E^2) DE = desviacin estndar

PROBABILIDADES
Supongamos una poblacin finita con N elementos, k de los cuales tienen la caracterstica A. Llamaremos probabilidad de la caracterstica A en la poblacin a: P (A) = k/N. La probabilidad se define , desde un punto de vista ptimo, en trminos de frecuencia relativa.

PROBABILIDADES
Propiedades. La probabilidad es un valor entre 0 y 1, es decir, 0 < P(A) < 1. Llamaremos suceso seguro E, al que ocurre siempre, entonces: P(E)=1. Si es el suceso complementario de A, que ocurre siempre que no lo hace A, entonces: P( ) = 1 - P(A). Dos sucesos son mutuamente excluyentes (incompatibles) cuando no pueden suceder a la vez (P.ej.: ser mujer y tener cncer de prstata).

PROBABILIDADES
Dos sucesos son independientes cuando la probabilidad de aparicin de uno de ellos no depende, no se modifica por la aparicin del otro (P. ej.: efectos secundarios de un frmaco en dos pacientes).

PROBABILIDADES
PROBABILIDAD CONDICIONADA La probabilidad de A condicionada a la ocurrencia de B se define considerando nicamente los casos en los que aparece B, y viendo en cuntos de estos casos ocurre el suceso A. Es la probabilidad de que suceda A, una vez que ya ha sucedido B.

PROBABILIDADES
REGLA DE LA MULTIPLICACIN

PROBABILIDADES
REGLA DE LA SUMA

DISTRIBUCIN DE PROBABILIDADES
Una vez que hemos escogido la muestra y recogido los datos, el siguiente paso es inferir las propiedades de la poblacin a partir de la muestra. El instrumento conceptual que permitir esta generalizacin es un modelo de la poblacin, es decir, una representacin simblica de su comportamiento. Encontramos tres leyes tericas que tienen la particularidad de ser seguidas por una inmensa mayora de los fenmenos biolgicos habituales: Distribucin Binomial. Distribucin de Poisson. Distribucin normal o de Gauss.

DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN BINOMIAL Es una ley terica de aplicacin siempre que se conozca, de entrada, la probabilidad de aparicin de un fenmeno biolgico (p). El resultado es dicotmico y puede ser evaluado como xito o fracaso. La variable de inters es el nmero de xitos alcanzados en n pruebas . La distribucin binomial constituye siempre un diagrama de barras discontinuo se aplica a variables discretas.

DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN DE POISSON Constituye un caso particular de la ley binomial para aquellas situaciones en que la probabilidad de aparicin de un fenmeno es muy pequea. Es, por tanto, la ley adecuada para los sucesos raros, cuando p < 0,1 y n x p <5.

DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN NORMAL O DE GAUSS Es seguida por una inmensa cantidad de variables biolgicas cuyas medidas se agrupan alrededor de un valor central, y que presentan una frecuencia cada vez menor a medida que se alejan de dicho valor medio.

DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN NORMAL O DE GAUSS CARACTERSTICAS. Corresponde a variables cuantitativas continuas. Se caracteriza por dos medidas: media y desviacin tpica. Es unimodal. Es simtrica alrededor de la media. Por tanto, media, mediana y moda coinciden. Tiene forma acampanada, sin un pico excesivo. Va desde - infinito a + infinito (asinttica al eje de abscisas). El rea bajo la curva = 1. El 50% de las observaciones se encuentran por debajo de la media aritmtica y el 50% por encima. El 68% de las observaciones se encuentran dentro del intervalo S; el 95% dentro del intervalo 1,96 S y el 99% dentro del intervalo 2,57 S

DISTRIBUCIN DE PROBABILIDADES
DISTRIBUCIN NORMAL O DE GAUSS

CONTRASTE DE HIPTESIS
Hiptesis nula, hiptesis alternativa y grado de significacin estadstica. Para su comprensin partiremos de un caso prctico. Se compara un tratamiento nuevo (N) contra la HTA con uno tradicional (T) en dos series de individuos. Tras cierto tiempo, N controla al 70% de los individuos y T al 30%. El problema consiste en saber si esto es debido a una real mayor eficacia de N o se debe simplemente a diferencias que el azar puede establecer (variaciones aleatorias del muestreo), sin que existan diferencias reales en el control de hipertensos entre ambos tratamientos.

CONTRASTE DE HIPTESIS
Previamente al ensayo de una hiptesis, se fija la probabilidad mxima de que los resultados diferentes observados entre los dos grupos puedan ser debidos simplemente al azar (H0 cierta), que suele ser por convenio del 5%. A continuacin, se calcula cul es la probabilidad de que las diferencias que nosotros hemos observado puedan ser explicadas por azar. Esta probabilidad es el valor de la p o grado de significacin estadstica. As, cuanto menor sea p, es decir, cuanto menor sea la probabilidad de que el azar sea el responsable de las diferencias, mayor ser la evidencia contra H0 y a favor de H1.

CONTRASTE DE HIPTESIS
De tal forma, si: p <0,05 Diferencias reales. Poca probabilidad de que se deban al azar. Se acepta H1. Resultado estadsticamente significativo. Rechazo de Ho. p >0,05 No existe suficiente evidencia como para decir que ambos tratamientos son diferentes. Las diferencias pueden deberse al azar con una probabilidad mayor al nivel de exigencia. No se rechaza H0

CONTRASTE DE HIPTESIS
ERRORES ALFA Y BETA Error tipo I. Se rechaza H0 siendo cierta. (Se acepta que hay diferencias y, de hecho, no las hay). Es como un falso positivo: dar como significativo algo que no es. Se denomina a la probabilidad de cometer el error tipo I. El valor de la p coincide con la probabilidad de cometer el error tipo I.

CONTRASTE DE HIPTESIS
ERRORES ALFA Y BETA Cuando entre los distintos grupos de estudio se comparan ms de una variable de resultado, aumenta la posibilidad de resultados falsamente positivos. Para evitarlo, se aumenta la exigencia del nivel de significacin como sigue: P= 0,05 / # de comparaciones

CONTRASTE DE HIPTESIS
ERRORES ALFA Y BETA Error tipo II. No se rechaza H0 y sta es falsa. (No se aceptan las diferencias y s las hay). Sera como un falso negativo: damos como no significativo algo que lo es. Se denomina a la probabilidad de cometer un error tipo II.

CONTRASTE DE HIPTESIS
Poder o potencia del test. Lo complementario del error es la potencia o poder estadstico de un test (1- ): capacidad que tiene un test de detectar una diferencia cuando sta existe en realidad, es decir, corresponde a la probabilidad que tengo de demostrar la hiptesis alternativa, siendo cierta.

CONTRASTE DE HIPTESIS

CONTRASTE DE HIPTESIS

DISTRIBUCIN CHI CUADRADO

Test de independencia. Se contrasta la hiptesis nula de que dos criterios de clasificacin (variables cualitativas), cuando se observan en la misma serie de individuos u objetos, son independientes. H0. No hay asociacin entre las variables. H1. S hay asociacin entre las variables.

DISTRIBUCIN CHI CUADRADO

Test de homogeneidad. Se estudia una variable en dos o ms muestras. La pregunta es: son las muestras extradas de oblaciones, que son homogneas con respecto a alguna variable? H0. Las muestras se extraen de la misma poblacin. H1. Las muestras provienen de distinta poblacin.

DISTRIBUCIN CHI CUADRADO

Test de homogeneidad. Se estudia una variable en dos o ms muestras. La pregunta es: son las muestras extradas de oblaciones, que son homogneas con respecto a alguna variable? H0. Las muestras se extraen de la misma poblacin. H1. Las muestras provienen de distinta poblacin.