Programa de Doctorado
"Principios de Investigación en Medicina y Cirugía"
10ª Edición. Bienio 2005-2007
INTRODUCCIÓN A LA INVESTIGACIÓN. INTERNET.
ACCESO A BASES DE DATOS. BIOESTADISTICA
20 de Diciembre de 2005, Lunes. 17:00 - 19:00 horas
BIOESTADÍSTICA:
9.- Prueba exacta
10.- Prueba de rangos
11.-Correlación y regresión
Dra. María José Pereda Riguera
Para entrar a la Red de Textoconferencias (IRC) de Uninet:
- Puede utilizar cualquier programa cliente de IRC, conectando con el servidor irc.uninet.edu, canal #curso
- Si no dispone de programa cliente, aquí puede descargar un programa mIRC, especialmente preparado para entrar a la Red. Tiene licencia de prueba durante unos días (shareware)
- Mediante una página web (webchat) siguiendo este enlace: clic aqui. Tendrá que esperar unos minutos, y aceptarlo, si el navegador le pregunte si da su autorización.
Textoconferencia del 20 de Diciembre de 2005
[17:14] * MJPereda (pepe@193.146.180.45) has joined #curso
[17:23] (MJPereda> buenas tardes os habeis leido el tema 8
[17:23] (MJPereda> empezamos ?
[17:24] (BELEN> una parte
[17:26] (MJPereda> cuando se quiere comparar dos variables cualitativas la medida de reusmen que
utilizamos
[17:26] (MJPereda> es el procentaje
[17:27] (MJPereda> de tal forma que si queremos comparar dos variables cualitativas de dos muestras
[17:27] (MJPereda> por ejemplo si comparamos el porcentaje de hipertensos de una zona basica
[17:28] (MJPereda> con el porcentaje de hipertensos de otra zona basica realizamos la comparación
utilizando la
[17:28] (MJPereda> comparacion de proporciones
[17:28] (MJPereda> cuando es una comparación de dos por dos
[17:29] (MJPereda> pero si comparamos mas de una categoria ya no podemos resliazar la comparacion
[17:30] (MJPereda> de porcentajes y la prueba que s eutiliza entonces es laprueba de la x2
[17:30] (MJPereda> 8. LAS PRUEBAS 2
[17:30] (MJPereda> paso a explicar la prueba de la x2
[17:30] (MJPereda> Cuando necesitamos comparar la distribución de una variable
[17:30] (MJPereda> categórica en una muestra, con la distribución de una variable
[17:31] (MJPereda> categórica en otra muestra se utiliza la prueba de X2.
[17:31] (MJPereda> Por ejemplo,
[17:31] (MJPereda> se ha clasificado por clase socioeconómica, a las mujeres entre 20
[17:31] (MJPereda> y 64 años que se han sido atendidas en el servicio de psiquiatría
[17:31] (MJPereda> por auto envenenamiento, durante 2 años, y las ha definido como
[17:31] (MJPereda> muestra A.
[17:31] (MJPereda> Al mismo tiempo, ha seleccionado otra muestra B
[17:31] (MJPereda> utilizado mujeres de edad similar atendidas en el servicio de
[17:31] (MJPereda> gastroenterología en el mismo hospital a las que se les ha
[17:31] (MJPereda> aplicado la misma clasificación.
[17:31] (MJPereda> Se establecieron cinco clasessocioeconómicas y también se
[17:32] (MJPereda> clasificó a las mujeres de acuerdo a la ocupación de sus padres o esposos.
[17:32] (MJPereda> Los resultados aparecen enla Tabla 8.1 de la documentación.
[17:32] (MJPereda> Se quiere investigar si la distribución de las pacientes, por
[17:32] (MJPereda> clases sociales, difiere en las dos unidades. Se enuncia la
[17:32] (MJPereda> hipótesis nula de que “no hay diferencia entre estas dos
[17:32] (MJPereda> distribuciones”. Para ello se utilizó el test de chi cuadrado.
[17:33] (MJPereda> seguis el ejemplo con la el tema 8?
[17:34] (MJPereda> si o no dar alguna señal!!!!!
[17:34] (mariabox> si
[17:34] (MJPereda> garcias maria
[17:35] (MJPereda> alguien mas
[17:35] (lara> si
[17:35] (MJPereda> bueno sigo
[17:35] (MJPereda> Es importante enfatizar aquí, que la prueba de X2 se calcula con
[17:35] (MJPereda> los números reales de ocurrencias del suceso, no con porcentajes,
[17:35] (montse> si
[17:35] (MJPereda> proporciones, medias de observaciones, u otros estadísticos
[17:36] (MJPereda> derivados.
[17:36] (MJPereda> La prueba X2 se realiza siguiendo los siguientes pasos:
[17:36] (MJPereda> Para cada número observado (O) en la tabla, se debe encontrar un
[17:36] (MJPereda> número “esperado” (E).
[17:36] (MJPereda> Para calcular el número esperado de cada casilla de la tabla, se
[17:36] (MJPereda> multiplica Total filas x Total columnas y se divide entre el
[17:36] (MJPereda> total.
[17:36] (MJPereda> Esto se ha realizado en las columnas (2) y (3) de la Tabla
[17:36] (MJPereda> 8.2, la columna (2), 11,80 = (22 x 155/289); 24,67 = (46 x
[17:36] (MJPereda> 155/289); en la columna (3) 10,20 = (22 x 134/289); 21,33 = (46 x
[17:37] (MJPereda> 134 /289) y así sucesivamente.
[17:37] (MJPereda> Luego se resta cada número esperado de su correspondiente número
[17:37] (MJPereda> observado.
[17:38] (MJPereda> lo habeis entendido los pasos hasta aqui?
[17:38] (miranda> si
[17:38] (mariabox> si
[17:38] (yanet> si
[17:38] (MJPereda> hay alguien que no?
[17:39] (ines> si
[17:39] (montse> si
[17:39] (MJPereda> seguimos
[17:39] (MJPereda> Cada diferencia para la muestra A es apareada para la misma cifra,
[17:39] (MJPereda> pero con signo opuesto, en la muestra B. La suma de estas
[17:39] (MJPereda> diferencias siempre equivale cero, por lo que los O-E se elevan al
[17:39] (MJPereda> cuadrado y se dividen por los esperados.
[17:39] (MJPereda> Finalmente se suman estos resultados, (0 – E)2 /E y su suma es
[17:39] (MJPereda> el estadístico x2.
[17:40] (MJPereda> Esta es la X2 que aparece en el ejemplo de la documentación.
[17:40] (MJPereda> X2 = 3,314 + 3,833 = 7,147 d.f. = 4 0,10<p<0,50
[17:40] (MJPereda>
[17:40] (MJPereda> Lo veis?
[17:40] (mariabox> si
[17:41] (M> sí
[17:41] (vannessa> sí
[17:41] (idoia> sí
[17:42] (miranda> vale
[17:42] (MJPereda> alguien no?
[17:42] (MJPereda> hay dudas del calculo de la x2
[17:43] (miranda> asi explicado parece facil
[17:43] (MJPereda> Habiendo obtenido un valor para x2, se mira en una tabla de
[17:43] (MJPereda> distribución x2 la probabilidad de distribución ligada al valor
[17:43] (MJPereda> (Tabla C Apéndice). Tal como con la tabla t, debemos entrar a esta
[17:43] (BELEN> si
[17:44] (MJPereda> tabla con cierto número de grados de libertad.
[17:44] (MJPereda>
[17:44] (MJPereda> ir a la tabla c que es la tabla de la x2
[17:44] (idoia> así parece sencillo
[17:44] (MJPereda> la teneis
[17:45] (mariabox> si
[17:46] (MJPereda> la tabla como la de la t de student tiene un aprimera columna que son los grados
de libertad
[17:46] (mariabox> paginada como pag.5
[17:46] (MJPereda> os acordais que a lal tabla de la t los gardos eran n-1
[17:46] (MJPereda> si maria
[17:47] (BELEN> Pagina 4 y 5'?
[17:47] (MJPereda> bueno pues aqui los grados son filas -1 por columnas -1
[17:47] (MJPereda> la tabla es la tabla c del grupo de tabla esta despues de la tabla de la t
[17:47] (Carmen> Yo no lo encuentro
[17:48] (OscarBas> hola
[17:48] (MJPereda> tienes l adocumentacion de anexos y tablas?
[17:48] (MJPereda> hola oscar
[17:48] (Carmen> estoy buscando
[17:48] (miranda> esta en los anexos
[17:48] (ines> hola Oscar
[17:49] (mariabox> SI QUERIS EN LA PAG.PRAL DEL DOCTORADO DIA 12 DIC
[17:49] (MJPereda> lo habeis encontrado?
[17:49] (mariabox> el archivo se llama tablas
[17:49] (MJPereda> gracias maria
[17:49] (mariabox> de nada
[17:50] (lara> si
[17:50] (MJPereda> bueno lues para los que tengais las tablas primera columna grados de libertad
[17:50] (MJPereda> si tengo tres columnas y dos filas
[17:50] (BELEN> sTATISTICS AT sQUAREEE ONE Appendix Table C Pag. 4
[17:50] (MJPereda> los grados de libertad seran 3-1=2 y 2-1=1 luego 2por 1=2 luego grados
[17:51] (MJPereda> de libertad 2
[17:51] (Carmen> ok
[17:51] (MJPereda> me seguis o estais todos lliados con la busqueda de la tabla
[17:51] (M> vale
[17:52] (mariabox> ok
[17:52] (idoia> Te seguimos
[17:52] (miranda> ya la tenemos
[17:52] (MJPereda> vale
[17:52] (MJPereda> Cuando se hace una comparación entre una muestra y otra, los
[17:52] (gemma> ya la he encontrado
[17:52] (MJPereda> grados de libertad es igual a (número de columnas menos uno) x
[17:52] (MJPereda> (número de filas menos uno) (no cuentan la fila y la columna que
[17:52] (MJPereda> contienen los totales). Para los datos de la Tabla 8.1 esto es (2-
[17:52] (MJPereda> 1) x (5-1) = 4.
[17:52] (MJPereda>
[17:53] (MJPereda> Entrando a la Tabla C con 4 grados de libertad y leyendo a lo
[17:53] (MJPereda> largo de la fila se encuentra que el valor de x2 (7,147) cae entre
[17:53] (MJPereda> 3,357 y 7,779. La correspondiente probabilidad está entre:
[17:53] (MJPereda> 0,10<p<0,50.
[17:54] (mariabox> ok
[17:54] (yanet> bien
[17:54] (gemma> ok
[17:54] (MJPereda> luego entonces la diferencia es significativa o no?
[17:55] (BELEN> vale, lo hemos encontrado.
[17:55] (mariabox> no
[17:55] (mariabox> pq tendria q ser >0.05
[17:55] (M> no
[17:55] (yanet> depende la p que se eligiera
[17:55] (yanet> o no?
[17:55] (mariabox> quiero decir <0.05!!!
[17:55] (MJPereda> no es significativa por que l ap es mayor de 5%
[17:56] (montse> vale
[17:56] (MJPereda> si es asi
[17:56] (BELEN> vale
[17:56] (MJPereda> el valor de la x2 esta entre un 10% y un 50% por tanto no podemos rechazar lal
hipotesis nula
[17:57] (MJPereda> de la no diferencia
[17:57] (yanet> ok
[17:57] (MJPereda> diriamos que hemos encontrado una diferencia pero que esa diferencia puede
haber sido debida al azar
[17:57] (mariabox> ok
[17:57] (yanet> vale
[17:57] (miranda> si
[17:57] (MJPereda> ya que en realidad no hemso podido demostrar quela diferencia existe realamente
[17:58] (lara> ok
[17:58] (montse> ok
[17:58] (MJPereda> y por tanto no podemos rechazar la hipotesis nula de la no diferencia
[17:58] (BELEN> vale
[17:58] (MJPereda> queda claro esto incluso para los que se ahn incorporado mas tarde
[17:59] (MJPereda> primero
[17:59] (MJPereda> la X2 se utiliza cuando se realizzan comparaciones entre varaibles cualitativas con
mas de doa categorias
[17:59] (MJPereda> segundo
[18:00] (MJPereda> el calculo siempre se realiza con los efectivos reales nunca con mediad de
resuemn como las medias y porcentajes
[18:00] (MJPereda> y simepre todas las casillas deben tener mas de 5 efectivo
[18:01] (MJPereda> sino el programa os avisara y os dira que tomeis con precaución ls resultados pues
hay alguna casilla con
[18:01] (MJPereda> menos de 5 efectivos
[18:01] (MJPereda> en esa situacion es mejor agrupar categorias hast aconseguir los 5 efectivos en la
casilla
[18:02] (MJPereda> de acuerdo?
[18:02] (yanet> si
[18:02] (BELEN> si
[18:02] (miranda> si
[18:02] (lara> si
[18:02] (montse> si
[18:02] (MJPereda> entonces
[18:03] (yanet> se ve bien en la tabla 8.1
[18:03] (MJPereda> Este resultado está bastante por encima del nivel convencional de
[18:03] (MJPereda> significación del 0,05, o 5%, así que no se rechaza la hipótesis
[18:03] (MJPereda> nula, por tanto, es muy posible que en la distribución de los
[18:03] (MJPereda> pacientes según clases socioeconómicas, la población de la cual se
[18:03] (MJPereda> obtuvo la muestra A, fuera la misma que la población de la que se
[18:03] (MJPereda> obtuvo la muestra B.
[18:03] (MJPereda> ahora vamos a ver como se realiza la comparacion de porcentajes
[18:04] (MJPereda> cuando es una comparacion de dos por dos
[18:04] (MJPereda> COMPARACIÓN DE PROPORCIONES
[18:04] (MJPereda> Anteriormente, en este capítulo, hemos comparado dos muestras con
[18:04] (MJPereda> la prueba x2 respondiendo a la pregunta: “¿Son significativamente
[18:04] (MJPereda> diferentes las distribuciones en cinco clases sociales de los
[18:04] (MJPereda> miembros de estas dos muestras?”. Otra forma de plantear esta
[18:04] (MJPereda> pregunta “¿Son las proporciones relativas de estas dos muestras
[18:04] (MJPereda> las mismas en cada clase?”
[18:04] (MJPereda> Por ejemplo, un médico de empresa de una gran fábrica quiere
[18:04] (MJPereda> inmunizar a los empleados contra la influenza. Se dispone de 5
[18:05] (MJPereda> vacunas de varios tipos basadas en los actuales virus, pero nadie
[18:05] (MJPereda> conoce cuál es el más adecuado.
[18:05] (MJPereda> De los 1350 empleados que aceptanser inmunizados con alguna de
[18:05] (MJPereda> las vacunas en la primera semana de Diciembre.
[18:05] (MJPereda> El médico divide el total en 5 grupos aproximadamente iguales.
[18:05] (MJPereda> Existen diferencias entre los números totales debido a la
[18:05] (MJPereda> compleja organización de la fábrica.
[18:05] (MJPereda> En la primera semana del mes de Marzo siguiente, examinó los
[18:05] (MJPereda> registros para valorar cuántos empleados tuvieron influenza
[18:05] (MJPereda> y cuántos no.
[18:06] (MJPereda> los datos fueron analizados con la prueba x2.
[18:06] (MJPereda> Se calcularon los valores esperados,
[18:06] (MJPereda> según la hipótesis nula es que no hay diferencia entre las vacunas
[18:06] (MJPereda> y su eficacia contra la influenza.Posteriormente se sigue el
[18:06] (MJPereda> procedimiento mostrado en la Tabla 8.1 y la Tabla 8.2.
[18:06] (MJPereda> Los cálculos hechos en la Tabla 8.6 muestran que la x2 con 4
[18:06] (MJPereda> grados de libertad es 16,564, y 0,001<p<0,01. Esto es un resultado
[18:06] (MJPereda> altamente significativo. Pero ¿qué significa esto?
[18:06] (yanet> si
[18:07] (MJPereda> que significa este valor de la x2?
[18:08] (mariabox> q no podemos aceptar la hipotesis nula
[18:08] (yanet> se rechaza la hipot. nula
[18:08] (MJPereda> bien que hay una diferencia pero que tipo de vacuna es la mas diferente por que es
[18:08] (mariabox> porque hay muy baja preobabilidad de que el resultado fuera por azar
[18:08] (MJPereda> lo que nos interesa no?
[18:09] (MJPereda> hemos encontrado que no todas son iguales
[18:09] (M> que las diferencias no son debidas al azar
[18:09] (miranda> para saber cual de todas es la mejor que prueba se utiliza
[18:09] (MJPereda> bien la diferecnia existe no es debida al azar
[18:09] (vanessa> sí para emplear la más eficaz
[18:09] (MJPereda> ahora particionamos la x2 para ver cual es la mejor
[18:09] (MJPereda> X2 = 16,564, grados de libertad = 4, 0,001<p<0,01.
[18:10] (MJPereda> PARTICIÓN DE X2
[18:10] (MJPereda> Los datos de la Tabla 8.6 muestran que la mayor contribución a
[18:10] (MJPereda> la x2 total viene de los números para la Vacuna III. Ellos son
[18:10] (miranda> no se cae en sesgos al analizar subgrupos?
[18:10] (MJPereda> 8,889 y 1,778, lo cual junto equivale a 10,667. Si se resta este
[18:10] (MJPereda> valor del total de x2, 16,564 – 10,667 = 5,897. Nos da una cifra
[18:10] (MJPereda> aproximada para la x2 de los remanentes de la tabla con 3 grados
[18:10] (MJPereda> de libertad (eliminando la vacuna III hemos reducido la tabla a 4
[18:10] (MJPereda> filas y 2 columnas).
[18:10] (MJPereda> Entonces encontramos que 0,1<p<0,5, un resultado no significativo,
[18:10] (MJPereda> aunque, sea una aproximación mas grosera.
[18:11] (MJPereda>
[18:11] (MJPereda> Para comprobarlo exactamente aplicaremos la prueba x2 a las
[18:11] (MJPereda> cifras en la Tabla 8.4 menos la fila para la vacuna III. En otras
[18:11] (MJPereda> palabras, la prueba se realiza ahora con las cifras para las
[18:11] (MJPereda> vacunas I, II, IV y V. En estas cifras x2 = 2,983; grados de
[18:11] (MJPereda> libertad = 3; 0,1<p<0,5. Así la probabilidad cae entre los mismos
[18:11] (MJPereda> límites que obtuvimos con la aproximación dada arriba. Podemos
[18:11] (MJPereda> concluir que las cifras para la vacuna III son responsables del
[18:11] (MJPereda> resultado altamente significativo de la x2 total de 16,564.
[18:12] (MJPereda> no caes en sesgos simplemte tu vas analizando por categorias para ver cual es
[18:12] (MJPereda> la "responsable de la diferencia"
[18:13] (MJPereda> y realizas el analisis quitando esa y ves que en el ejemplo no hemos encontrado
diferenias en las
[18:13] (MJPereda> otras vacunas
[18:13] (MJPereda> perdon entre las otras vacunas
[18:15] (yanet> si las p de las de mas vac caen entre los mismo limites porque digo que la vacIII es la
responsable del resultado
[18:16] (MJPereda> yanet si ves arriba cuando tenniamos todas las vacunas comparando
[18:17] (MJPereda> el resultado era significativo pue sla p estba 0,001 y 0,01 lo ves
[18:17] (yanet> si
[18:17] (MJPereda> entonces cuando realizamos otra vez el analisis eliminando la vacuna III ya no es
signnificativo
[18:18] (MJPereda> luego la responsable de la diferecnia era la vacunaIII
[18:18] (MJPereda> lo ves?
[18:19] (yanet> eso nos demostraba que el resultado no era debido al asar,pero luego utili chi2 para ver
cual era mejor
[18:19] (MJPereda> si
[18:20] (yanet> no veo ahora en el texto lo que me dices pero le he entendido
[18:20] (MJPereda> por que la prueba de la X2 te indica que hay diferencia entre las categorias pero
ñuego te interesa saber
[18:20] (MJPereda> quien e sla responsable de esa diferenica
[18:20] (MJPereda> bien seguimos
[18:20] (yanet> si, te sigo
[18:20] (MJPereda> Pero esto no es bastante para finalizar la historia. Antes de
[18:21] (MJPereda> concluir a partir de estos números que la vacuna III es superior a
[18:21] (MJPereda> las otras debemos llevar a cabo una comprobación de otras posibles
[18:21] (MJPereda> explicaciones para la diferencia encontrada. El proceso de
[18:21] (MJPereda> aleatorización en la elección de las personas para recibir cada
[18:21] (MJPereda> una de las vacunas debería haber compensado cualquier diferencia
[18:21] (MJPereda> entre los grupos, pero puede haber permanecido alguna diferencia
[18:21] (MJPereda> debido al azar.
[18:21] (MJPereda> Así nos debemos plantear: ¿Tenia la población que recibió la
[18:21] (MJPereda> vacuna III la misma probabilidad de estar expuesta a la infección
[18:21] (MJPereda> que aquéllos que recibieron las otras vacunas? ¿Podían tener un
[18:21] (MJPereda> elevado nivel de inmunidad previa a la infección? ¿Eran
[18:21] (MJPereda> comparables en estatus socioeconómico? ¿Tenian una edad similar en
[18:22] (MJPereda> promedio? ¿Estaban los sexos distribuidos de forma comparable?
[18:22] (MJPereda> Aunque algunas de estas características podían haber sido más o
[18:22] (MJPereda> menos compensada por el proceso de aleatorización estratificada,
[18:22] (MJPereda> lo adecuado es comprobar que han sido igualados, antes de atribuir
[18:22] (MJPereda> la discrepancia numérica en el resultado, a la potencia de la
[18:22] (MJPereda> vacuna.
[18:22] (MJPereda> PRUEBA DE MCNEMAR
[18:22] (MJPereda> La prueba de McNemar para datos nominales pareados se ha
[18:23] (MJPereda> antes de empezar con la prueba de Mcnemar
[18:23] (MJPereda> quiero que os quede claro
[18:24] (MJPereda> que aunque encontresi resultados significativos vayais siempre a ver como se ha
realizado
[18:24] (yanet> vale
[18:24] (BELEN> vale
[18:24] (gemma> ok
[18:24] (MJPereda> todo el proceso de selección de la muestra y control de sesgos
[18:24] (lara> vale
[18:25] (MJPereda> ya que los errores debidos al azar se pueden controlasr incrementando eltamaño de
la muestra
[18:25] (M> ok
[18:25] (idoia> vale
[18:25] (MJPereda> pero los sergos e seleccion o de información, es decir todos aquellos introducidos
en el diseño metodologico
[18:26] (MJPereda> no los vasi apoder controlar en el analisis
[18:26] (MJPereda> de la información
[18:26] (yanet> que hacemos
[18:26] (MJPereda> por lo qu es fundamental que controleis todos esos sesgos en el diseño
[18:27] (MJPereda> realizar un diseño adecuado
[18:27] (MJPereda> con untamaño de muestra adcuado
[18:27] (MJPereda> una selección dela misma realizada de forma aleatoria
[18:27] (MJPereda> un control de lso factores de confusió a traves d ela estratificación
[18:28] (MJPereda> y asegurarse que los grupos de comparación sean lo mas parecidos posibles
[18:28] (yanet> ok
[18:28] (MJPereda> y lo ideal es que s ediferencienn en aquello que queremos estudiar
[18:29] (MJPereda> bueno dejamos la x2 teneis alguna duda o no?
[18:29] (miranda> por ahora no
[18:30] (BELEN> no
[18:30] (MJPereda> bueno ahora de forma rapida os voy a comentar unas pruebas para que os
[18:30] (MJPereda> suene los nombres
[18:30] (MJPereda> o para que sepais que en otras situaciones teneis que utilizar estas otrsa pruebas
[18:31] (MJPereda> o que si cuando vayais a pedir asesoria sobre que pruebas utlizar en alguno de
vuestrso estudio
[18:31] (MJPereda> pues os suene los nombres
[18:32] (MJPereda> empezaremos por la prueba de mcemar
[18:32] (MJPereda> descrito, usando una aproximación Normal. En vista de la relación
[18:32] (MJPereda> entre la distribución Normal y la distribución x2 con un grado de
[18:32] (MJPereda> libertad, se puede rescatar la prueba de McNemar como una variante
[18:32] (MJPereda> de la prueba x2. Los resultados se suelen expresar como aparece en
[18:32] (MJPereda> la Tabla 8.9.
[18:32] (MJPereda> Tabla 8.9 Notación para la prueba de McNemar
[18:32] (MJPereda> Primer par de sujetos
[18:32] (MJPereda> Variable 1
[18:32] (MJPereda> Variable 2 0 1 Total
[18:33] (MJPereda> Segundo par de 0 e f e + f
[18:33] (MJPereda> sujetos
[18:33] (MJPereda> 1 g h g + h
[18:33] (MJPereda> Total e + g f + h n
[18:33] (MJPereda>
[18:34] (MJPereda> lo teneis en los apuntes
[18:34] (mariabox> si
[18:34] (BELEN> si
[18:35] (lara> si
[18:35] (MJPereda> Tabla 8.10 Datos para la prueba de McNemar
[18:35] (MJPereda> Primer par de sujetos
[18:35] (MJPereda> Respondió No respondió
[18:35] (MJPereda> Segundo par de Respondió 16 10
[18:35] (MJPereda> sujetos
[18:35] (MJPereda> No respondió 23 5
[18:35] (MJPereda> La prueba de McNemar es entonces
[18:36] (MJPereda> X2 = (f - g) 2 con 1 d.f.
[18:36] (MJPereda> (f + g)
[18:36] (MJPereda> 9. PRUEBA EXACTA.
[18:37] (MJPereda> la prueba de mcnemar se utiliza entonces para variables cualitativas en datos
pareados
[18:37] (MJPereda> y cuando el numero de datos es muy pequeño no es posible utlizar
[18:38] (MJPereda> la x2 y se utiliza la prueba exacta de fisher
[18:38] (MJPereda> Cuando el numero de observaciones es pequeño, no es
[18:38] (MJPereda> posible aplicar la prueba x2 (Capítulo 8) y se aplica la
[18:38] (MJPereda> prueba exacta creada por Fisher, Irwin y Yates que permite
[18:38] (MJPereda> realizar los cálculos para un numero pequeño de
[18:38] (MJPereda> observaciones. Se han publicado tablas basadas en ella– por
[18:39] (MJPereda> ejemplo por Geigy. – que señalan los niveles para los
[18:39] (MJPereda> cuales se puede rechazar la hipótesis nula. El método aquí
[18:39] (MJPereda> descrito permite calcular la probabilidad exacta de forma
[18:39] (MJPereda> fácil, con la ayuda de una calculadora.
[18:39] (MJPereda> 10. PRUEBA DE RANGOS.
[18:39] (MJPereda> bien solo que os suene
[18:40] (MJPereda> en todo caso todos estos test que hemos comentado tienen como condicion
[18:41] (MJPereda> que la distribución de lso datso siga una distribución normal no?
[18:41] (MJPereda> son las pruebas parametricas es decir basadas en parametros
[18:41] (miranda> si
[18:42] (MJPereda> deciamos que analizabamos la información con parametros
[18:42] (MJPereda> media, desviacion estandar....
[18:42] (MJPereda> bueno pue si los datos no siguen una distribución normal el prigrama os lo avisara
[18:43] (MJPereda> y entonces tendreis que utilizar una prueba no parametrica que
[18:43] (MJPereda> el programam lo hara directamente
[18:43] (MJPereda> pero al menos saber en que se bas su calculo como
[18:44] (MJPereda> ya no tenemso parametros utilizamo srango sy por eso se llaman pruebas no
parametrica
[18:44] (MJPereda> o pruebas de rangos
[18:44] (MJPereda> Las distribuciones poblacionales se suelen definir,
[18:44] (MJPereda> por parámetros tales como la media y la desviación
[18:44] (MJPereda> estándar. Para distribuciones no normales necesitaremos
[18:44] (MJPereda> conocer además otros parámetros tales como el grado de
[18:45] (MJPereda> apuntamiento, ya que la media y la desviación estándar
[18:45] (MJPereda> identifican únicamente la distribución Normal. La prueba t
[18:45] (MJPereda> descrita anteriormente solo puede aplicarse si los datos
[18:45] (MJPereda> provengan de una población distribuida Normalmente. Sin
[18:45] (MJPereda> embargo, si pensamos que los datos no provienen de una
[18:45] (MJPereda> población distribuida Normalmente, entonces hay que aplicar
[18:45] (MJPereda> otras pruebas.
[18:45] (MJPereda>
[18:45] (MJPereda> Cuando los datos no siguen una distribución normal, no
[18:45] (MJPereda> se pueden explicar por unos pocos parámetros y, así a las
[18:45] (MJPereda> que pruebas que se aplican cuando la distribución no es
[18:45] (MJPereda> normal, se les denomina “no paramétricas”. Aunque, si los
[18:46] (MJPereda> tamaños muestrales en ambos grupos son grandes, la falta de
[18:46] (MJPereda> Normalidad es menos importante, y se podrían aplicar las
[18:46] (MJPereda> pruebas para muestras grandes ya descritas.
[18:46] (MJPereda> Wilcoxon, Mann y Whitney describieron pruebas de suma
[18:46] (MJPereda> de rangos, que se ha demostrado que son la misma. Por
[18:46] (MJPereda> acuerdo, ahora se han adscrito la prueba de Wilcoxon para
[18:46] (MJPereda> datos pareados y la prueba U de Mann-Whitney para datos no
[18:46] (MJPereda> apareados.
[18:46] (MJPereda> Las ventajas de estas pruebas, basadas en rangos, son que
[18:46] (MJPereda> se pueden usar con seguridad cuando se manejan datos que no
[18:46] (MJPereda> tienen una distribución totalmente Normal, que son rápidos
[18:47] (MJPereda> de realizar y, que no es necesaria una calculadora. Los
[18:47] (MJPereda> datos con distribución No-Normal se pueden, transformar
[18:47] (MJPereda> usando logaritmos u algún otro método para que tengan una
[18:47] (MJPereda> distribución Normal y se pueda realizar una prueba t (de
[18:47] (MJPereda> Student). Consecuentemente, la adopción del mejor
[18:47] (MJPereda> procedimiento hay que valorarlo cuidadosamente. La magnitud
[18:47] (MJPereda> y naturaleza de la diferencia entre dos muestras se
[18:47] (MJPereda> comprende más claramente a través de desviaciones estándar
[18:47] (MJPereda> y pruebas t de Student que por pruebas no-paramétricas.
[18:48] (MJPereda> bien si tenei curiosidad por conocer el preocedimiento de calculo es muy sencillo
[18:48] (MJPereda> y lo teneis es los apuntes
[18:48] (lara> vale
[18:48] (mariabox> ok
[18:48] (montse> ok
[18:49] (BELEN> vale
[18:49] (MJPereda> por hoy pararemos mañana daremos correlación y convendria que os leais el tema
13 por que en el hago un
[18:49] (gemma> ok
[18:49] (MJPereda> resumen de todos los metodos y test a utlizar
[18:49] (OscarBas> ok
[18:50] (MJPereda> por si quereis planterar alguna duda
[18:50] (lara> ok
[18:50] (MJPereda> oscar eres residente de alergias?
[18:50] (mariabox> ok
[18:50] (OscarBas> si
[18:50] (BELEN> no he podido bajar el tema 13
[18:51] (MJPereda> le dire a mª Jesus que lo active espero que lo haga ya
[18:51] (BELEN> vale
[18:51] (MJPereda> a todos saludos y hasta mañana
[18:51] (mariabox> hasta mañana
[18:51] (montse> hasta mañana
[18:51] (yanet> hasta mañan
[18:51] (BELEN> hasta mañana
[18:51] (idoia> hasta mañana
[18:51] (miranda> bye
[18:51] (lara> adios!!
[18:51] (OscarBas> adios
Hay un panel de discusión, correspondiente a la clase de hoy aquí. Esta relacionado además con una lista de mail, de tal manera que cualquier comentario puede ser leído, además, en el buzon de cada alumno.
Se han suprimido algunas frases del log, sobre todo referentes a entradas y salidas de diferentes personas en el canal durante la presentación
