[15:58] * Joins: mariajose (pepe@81.32.225.202)
[16:25] (mariajose> hola esperamso cinco minutos y empezamos
[16:25] (Gerardo> hola.
[16:33] (mariajose> empezamos ya
[16:33] (mariajose> no hace falta que hagan examen
[16:33] (pablo> por mi adelante
[16:33] (mariajose> soo hay que resolver los ejercicios
[16:34] (miriam> ok
[16:34] (mariajose> y habia pensado hacer comoel año pasado
[16:34] > y enviarlos cuando ?
[16:34] (mariajose> es decir hace una tarde en la gerencia y explicar el epidat
[16:34] (mariajose> y entonces hacer lso ejercicios
[16:34] (mariajose> pues nos serviria como ejemplo
[16:34] (mariajose> para aprender el programa
[16:34] (mariajose> si os parece
[16:34] (maria> ok
[16:34] (pablo> ah muy bien
[16:35] (anana> vale
[16:35] (mariajose> bueno si alguien los queire hace en alsnavidaes entre guadia y guardia
[16:35] (miriam> los que estamos mas distantes podriamos enviarlos sin sesion de epidat?
[16:35] (mariajose> si claro
[16:35] (miriam> bien
[16:35] (mariajose> pero los que estais lejos mi consejo es que os descargueis el epidat y los hagais
con le programa
[16:35] (pablo> ajam
[16:35] (miriam> si, vale
[16:36] (mariajose> es mucho mas facil que estar con la calculadora
[16:36] (mariajose> y mas util
[16:36] (miriam> claro
[16:37] (mariajose> bueno ayer dimos la comparacion de medias y de proporciones
[16:38] (mariajose> y hoy deberiamos ver l achi cuarado pruebas exactas y prueba de rangos
[16:38] (mariajose> chi cuadrado
[16:38] (mariajose> en que situaciones se utiliza l achi cuadrado
[16:39] (miriam> para comparar variables cualitativas
[16:39] (pablo> cualitativas con mas de 2 categorias dijimos no?
[16:39] (mariajose> si
[16:39] (mariajose> teneis a mano el tema 13
[16:40] (mariajose> cogerlo
[16:40] (mariajose> lo teneis
[16:40] (Gerardo> si
[16:41] (pablo> si
[16:41] (monica> si
[16:41] (maria> si
[16:41] (anana> si
[16:41] (mariajose> mirar en la pag creo que 114
[16:42] (pablo> aja
[16:42] (mariajose> hay un cuadro con la spruebas qeu hay qeu aplicar segun eltipo de variable
que sea
[16:42] (Gerardo> bien
[16:42] (mariajose> tanto de entrada como de salida
[16:43] (mariajose> con este cuadro y sabiendo que tipo de variable vais a utilizar ya teneis la
prueba qeu hay que aplicar
[16:43] (mariajose> vale ?
[16:43] (miriam> bien
[16:43] (Gerardo> ok
[16:43] (anana> vale
[16:43] (mariajose> pues ahora vamos con la chi cuadrado
[16:43] (pablo> ok
[16:43] (mariajose> la CHI CUADRADO
[16:43] (mariajose> se utiliza para variables cualitativas
[16:44] (mariajose> el proceso matematico es con numeros enteros no se utiliza ninguna mediad
de resumen
[16:44] (mariajose> se trabaaj con numeros enteros
[16:44] (mariajose> que se disponen en una tabla
[16:44] (mariajose> a traves del procedimieno que vamos a explicar se calcula el valor de la chi
cuadrado y se va a mirar
[16:45] (mariajose> si es significativo o no el resultado y que nivel de significacion tiene el valor
de la chi encontrado
[16:45] (mariajose> y tood ello segun unos grados de libertad ligual que con la t de student
[16:46] (mariajose> solo que en la t de student se calculaban con el tamaño de la muestra menos
1
[16:46] (mariajose> y en la chi es de otra forma
[16:47] (mariajose> como ahora veremos
[16:47] (mariajose> otra condicion es qeu los valores de la sceldas deben ser superiores a 5
[16:47] (mariajose> 8. LAS PRUEBAS 2
[16:48] (mariajose> Cuando necesitamos comparar la distribución de una variable
[16:48] (mariajose> categórica en una muestra, con la distribución de una variable
[16:48] (mariajose> categórica en otra muestra se utiliza la prueba de X2.
[16:48] (mariajose> Por ejemplo,
[16:48] (mariajose> se ha clasificado por clase socioeconómica, a las mujeres entre 20
[16:48] (mariajose> y 64 años que se han sido atendidas en el servicio de psiquiatría
[16:48] (mariajose> por auto envenenamiento, durante 2 años, y las ha definido como
[16:48] (mariajose> muestra A.
[16:49] (mariajose> Al mismo tiempo, ha seleccionado otra muestra B
[16:49] (mariajose> utilizado mujeres de edad similar atendidas en el servicio de
[16:49] (mariajose> gastroenterología en el mismo hospital a las que se les ha
[16:49] (mariajose> aplicado la misma clasificación.
[16:49] (mariajose> Se establecieron cinco clasessocioeconómicas y también se
[16:49] (mariajose> clasificó a las mujeres de acuerdo a la ocupación de sus padres o esposos.
[16:49] (mariajose> Los resultados aparecen enla Tabla 8.1 de la documentación.
[16:50] (mariajose> Se quiere investigar si la distribución de las pacientes, por
[16:50] (mariajose> la teneis?
[16:50] (mariajose> clases sociales, difiere en las dos unidades. Se enuncia la
[16:50] (mariajose> hipótesis nula de que “no hay diferencia entre estas dos
[16:50] (miriam> si
[16:50] (mariajose> distribuciones”. Para ello se utilizó el test de chi cuadrado.
[16:52] (maria> perdona,no encuentro la tabla
[16:52] (maria> donde esta?
[16:52] (mariajose> tieen sel tema 8
[16:52] (pablo> tema 8
[16:52] (mariajose> en el tema 8
[16:52] (maria> grcias
[16:52] (mariajose> ya '
[16:53] (mariajose> sigo
[16:53] (maria> si
[16:53] (mariajose> Es importante enfatizar aquí, que la prueba de X2 se calcula con
[16:53] (mariajose> los números reales de ocurrencias del suceso, no con porcentajes,
[16:53] (mariajose> proporciones, medias de observaciones, u otros estadísticos
[16:53] (mariajose> derivados.
[16:54] (mariajose> La prueba X2 se realiza siguiendo los siguientes pasos:
[16:54] (mariajose> Para cada número observado (O) en la tabla, se debe encontrar un
[16:54] (mariajose> número “esperado” (E).
[16:54] (mariajose> Para calcular el número esperado de cada casilla de la tabla, se
[16:54] (mariajose> multiplica Total filas x Total columnas y se divide entre el
[16:54] (mariajose> total.
[16:54] (mariajose> lo seguis?
[16:54] (monica> si
[16:55] (pablo> si
[16:55] (miriam> si
[16:55] (anana> si
[16:55] (Gerardo> si
[16:55] (maria> si
[16:55] (mariajose> Esto se ha realizado en las columnas (2) y (3) de la Tabla
[16:55] (mariajose> 8.2, la columna (2), 11,80 = (22 x 155/289); 24,67 = (46 x
[16:55] (mariajose> 155/289); en la columna (3) 10,20 = (22 x 134/289); 21,33 = (46 x
[16:55] (mariajose> 134 /289) y así sucesivamente.
[16:55] (mariajose> Luego se resta cada número esperado de su correspondiente número
[16:56] (mariajose> observado.
[16:56] (mariajose> Cada diferencia para la muestra A es apareada para la misma cifra,
[16:56] (mariajose> pero con signo opuesto, en la muestra B. La suma de estas
[16:56] (mariajose> diferencias siempre equivale cero, por lo que los O-E se elevan al
[16:56] (mariajose> cuadrado y se dividen por los esperados.
[16:56] (mariajose> Finalmente se suman estos resultados, (0 – E)2 /E y su suma es
[16:56] (mariajose> el estadístico x2.
[16:57] (mariajose> Esta es la X2 que aparece en el ejemplo de la documentación.
[16:57] (mariajose> X2 = 3,314 + 3,833 = 7,147 d.f. = 4 0,10<p<0,50
[16:57] (mariajose> mirar un rato el ejemplo y si hay dudas comentarlas po ejemplo
[16:59] (mariajose> los grados de libertad son numero de filas menos uno por numero de
columnas menos uno
[16:59] (mariajose> aqui las columnas son dos y las filas cinco pues hay cinco categorias
[17:00] (mariajose> luego filas menos uno por columnas menos uno es 5-1*2-1 = a 4 estos son
los grados de libertad
[17:01] (mariajose> entonces s enetra ala tabla por los grados de libertad coger al tabla de la chi
es la tablaC
[17:01] (mariajose> el valor de la chi = 7,147 con 4 grados de libertad es significativo o no?
[17:02] (pablo> no
[17:03] (pablo> esta entre 0,5 y 0,10
[17:03] (mariajose> luego no es significativo
[17:03] (mariajose> habeis entendido elprocedimiento?
[17:03] (pablo> si
[17:03] (miriam> si
[17:03] (anana> si
[17:03] (Gerardo> si
[17:04] (mariajose> es importante qeu enla chi cuadrado aparece una tabla con esperados
[17:04] (maria> si
[17:04] (felipe> SI
[17:05] (monica> si
[17:05] (mariajose> quiero decir
[17:05] (mariajose> que la chi cuadrado la calcula directamente el programa
[17:05] (mariajose> y dice si es o no significativa
[17:05] (mariajose> pero normalmente
[17:05] (mariajose> aparece la tabla de los observados
[17:05] (mariajose> la tabla de los esperados
[17:06] (mariajose> incluso avisa de qeu el resultado quiza no sea concluynte por que laguna
celda es inferior a cinco
[17:06] (mariajose> alguna celda es inferior a cinco
[17:07] (mariajose> entonces que cuando aparezca esto sepais que es
[17:07] (mariajose> o por lo menso a que se refiere
[17:09] (mariajose> todo este rollo es estupendo cuando das a la tecla y aparece todo
[17:09] (mariajose> pero hay que entender lo que aparece en al pàntll
[17:09] (mariajose>
[17:09] (mariajose> Lo veis?
[17:10] (mariajose> Habiendo obtenido un valor para x2, se mira en una tabla de
[17:10] (mariajose> distribución x2 la probabilidad de distribución ligada al valor
[17:10] (mariajose> (Tabla C Apéndice). Tal como con la tabla t, debemos entrar a esta
[17:10] (mariajose> tabla con cierto número de grados de libertad.
[17:10] (mariajose>
[17:10] (mariajose> Cuando se hace una comparación entre una muestra y otra, los
[17:10] (mariajose> grados de libertad es igual a (número de columnas menos uno) x
[17:10] (mariajose> (número de filas menos uno) (no cuentan la fila y la columna que
[17:11] (mariajose> contienen los totales). Para los datos de la Tabla 8.1 esto es (2-
[17:11] (mariajose> 1) x (5-1) = 4.
[17:11] (mariajose>
[17:11] (mariajose> Entrando a la Tabla C con 4 grados de libertad y leyendo a lo
[17:11] (mariajose> largo de la fila se encuentra que el valor de x2 (7,147) cae entre
[17:11] (mariajose> 3,357 y 7,779. La correspondiente probabilidad está entre:
[17:11] (mariajose> 0,10<p<0,50.
[17:11] (mariajose> Este resultado está bastante por encima del nivel convencional de
[17:12] (mariajose> significación del 0,05, o 5%, así que no se rechaza la hipótesis
[17:12] (mariajose> nula, por tanto, es muy posible que en la distribución de los
[17:12] (mariajose> pacientes según clases socioeconómicas, la población de la cual se
[17:12] (mariajose> obtuvo la muestra A, fuera la misma que la población de la que se
[17:12] (mariajose> obtuvo la muestra B.
[17:12] (mariajose> COMPARACIÓN DE PROPORCIONES
[17:12] (mariajose> Anteriormente, en este capítulo, hemos comparado dos muestras con
[17:12] (mariajose> la prueba x2 respondiendo a la pregunta: “¿Son significativamente
[17:13] (mariajose> diferentes las distribuciones en cinco clases sociales de los
[17:13] (mariajose> miembros de estas dos muestras?”. Otra forma de plantear esta
[17:13] (mariajose> pregunta “¿Son las proporciones relativas de estas dos muestras
[17:13] (mariajose> las mismas en cada clase?”
[17:13] (mariajose> Por ejemplo, un médico de empresa de una gran fábrica quiere
[17:13] (mariajose> inmunizar a los empleados contra la influenza. Se dispone de 5
[17:13] (mariajose> vacunas de varios tipos basadas en los actuales virus, pero nadie
[17:13] (mariajose> conoce cuál es el más adecuado.
[17:14] (mariajose> De los 1350 empleados que aceptanser inmunizados con alguna de
[17:14] (mariajose> las vacunas en la primera semana de Diciembre.
[17:14] (mariajose> El médico divide el total en 5 grupos aproximadamente iguales.
[17:14] (mariajose> Existen diferencias entre los números totales debido a la
[17:14] (mariajose> compleja organización de la fábrica.
[17:14] (mariajose> En la primera semana del mes de Marzo siguiente, examinó los
[17:14] (mariajose> registros para valorar cuántos empleados tuvieron influenza
[17:15] (mariajose> y cuántos no.
[17:15] (mariajose> los datos fueron analizados con la prueba x2.
[17:15] (mariajose> mirar la tabla 8.6
[17:17] (mariajose> Se calcularon los valores esperados,
[17:17] (mariajose> según la hipótesis nula es que no hay diferencia entre las vacunas
[17:17] (mariajose> y su eficacia contra la influenza.Posteriormente se sigue el
[17:17] (mariajose> procedimiento mostrado en la Tabla 8.1 y la Tabla 8.2.
[17:18] (mariajose> Los cálculos hechos en la Tabla 8.6 muestran que la x2 con 4
[17:18] (mariajose> grados de libertad es 16,564, y 0,001<p<0,01. Esto es un resultado
[17:18] (mariajose> altamente significativo. Pero ¿qué significa esto?
[17:18] (mariajose> X2 = 16,564, grados de libertad = 4, 0,001<p<0,01.
[17:18] (mariajose> PARTICIÓN DE X2
[17:18] (mariajose> Los datos de la Tabla 8.6 muestran que la mayor contribución a
[17:18] (mariajose> la x2 total viene de los números para la Vacuna III. Ellos son
[17:19] (mariajose> 8,889 y 1,778, lo cual junto equivale a 10,667. Si se resta este
[17:19] (mariajose> valor del total de x2, 16,564 – 10,667 = 5,897. Nos da una cifra
[17:19] (mariajose> aproximada para la x2 de los remanentes de la tabla con 3 grados
[17:19] (mariajose> de libertad (eliminando la vacuna III hemos reducido la tabla a 4
[17:19] (mariajose> filas y 2 columnas).
[17:19] (mariajose> Entonces encontramos que 0,1<p<0,5, un resultado no significativo,
[17:19] (mariajose> aunque, sea una aproximación mas grosera.
[17:20] (mariajose>
[17:20] (mariajose> Para comprobarlo exactamente aplicaremos la prueba x2 a las
[17:20] (mariajose> cifras en la Tabla 8.4 menos la fila para la vacuna III. En otras
[17:20] (mariajose> palabras, la prueba se realiza ahora con las cifras para las
[17:20] (mariajose> vacunas I, II, IV y V. En estas cifras x2 = 2,983; grados de
[17:20] (mariajose> libertad = 3; 0,1<p<0,5. Así la probabilidad cae entre los mismos
[17:20] (mariajose> límites que obtuvimos con la aproximación dada arriba. Podemos
[17:20] (mariajose> concluir que las cifras para la vacuna III son responsables del
[17:20] (mariajose> resultado altamente significativo de la x2 total de 16,564.
[17:21] (mariajose> Pero esto no es bastante para finalizar la historia. Antes de
[17:21] (mariajose> concluir a partir de estos números que la vacuna III es superior a
[17:21] (mariajose> las otras debemos llevar a cabo una comprobación de otras posibles
[17:21] (mariajose> explicaciones para la diferencia encontrada. El proceso de
[17:21] (mariajose> aleatorización en la elección de las personas para recibir cada
[17:21] (mariajose> una de las vacunas debería haber compensado cualquier diferencia
[17:21] (mariajose> entre los grupos, pero puede haber permanecido alguna diferencia
[17:21] (mariajose> debido al azar.
[17:22] (mariajose> Así nos debemos plantear: ¿Tenia la población que recibió la
[17:22] (mariajose> vacuna III la misma probabilidad de estar expuesta a la infección
[17:22] (mariajose> que aquéllos que recibieron las otras vacunas? ¿Podían tener un
[17:22] (mariajose> elevado nivel de inmunidad previa a la infección? ¿Eran
[17:22] (mariajose> comparables en estatus socioeconómico? ¿Tenian una edad similar en
[17:22] (mariajose> promedio? ¿Estaban los sexos distribuidos de forma comparable?
[17:22] (mariajose> Aunque algunas de estas características podían haber sido más o
[17:22] (mariajose> menos compensada por el proceso de aleatorización estratificada,
[17:23] (mariajose> lo adecuado es comprobar que han sido igualados, antes de atribuir
[17:23] (mariajose> la discrepancia numérica en el resultado, a la potencia de la
[17:23] (mariajose> vacuna.
[17:23] (mariajose> PRUEBA DE MCNEMAR
[17:24] (mariajose> una vez que hemos encontrado una diferencia significativa junto con una
porporcion de resultado como en este caso
[17:25] (mariajose> hay que confirmar que factor esta prodciendo la significacion
[17:25] (mariajose> hemos visto que las perosnas vacunadas tiene menos enfermedad
[17:26] (mariajose> peo tods las vacunas son igual de eectivas
[17:26] (mariajose> lo que interesa es conocer cual es la mas efectiva
[17:27] (mariajose> y para ello primero calculamos porcentualmente en que fila ha habido menos
enfermos
[17:27] (mariajose> y luego vamos viendo y recalculando la chi cuadrado o agrupando estratos o
eliminado aquella que pensemos nospueda dar la significacion
[17:28] (mariajose> ya que la chi cuadrado da la signifiaccion pero de todas las categorias
[17:28] (mariajose> pero lo que interesa es conocer que categoria no esta produciendo la
significacion
[17:28] (mariajose> de acuerdo
[17:29] (mariajose> lo habeis entendido?
[17:29] (anana> si
[17:29] (pablo> si
[17:29] (felipe> si
[17:29] (Gerardo> ok
[17:29] (maria> si
[17:29] (mariajose> paramos cinco minutos
[17:29] (anana> vale
[17:31] (miriam> si
[17:31] (mariajose> 9. PRUEBA EXACTA.
[17:36] (mariajose> empezamos estos dos temas
[17:36] (mariajose> voy a darlos de forma que entendais lo que es pero nada mas
[17:37] (mariajose> ya que se utilizan muy poco
[17:37] (mariajose> y es solo para que sepais que existen pues nunca lo calculareis
[17:39] (monica> ok
[17:39] (mariajose> puesto que elprograma os avisara cuando hay qeu utilizarla y es mams
[17:39] (mariajose> el os lo calculara automaticamente
[17:39] (mariajose> solo comentarla para que entendais por que lo hace
[17:40] (mariajose> Cuando el numero de observaciones es pequeño, no es
[17:40] (mariajose> posible aplicar la prueba x2 (Capítulo 8) y se aplica la
[17:40] (mariajose> prueba exacta creada por Fisher, Irwin y Yates que permite
[17:40] (mariajose> realizar los cálculos para un numero pequeño de
[17:40] (mariajose> observaciones. Se han publicado tablas basadas en ella– por
[17:40] (mariajose> ejemplo por Geigy. – que señalan los niveles para los
[17:40] (mariajose> cuales se puede rechazar la hipótesis nula. El método aquí
[17:40] (mariajose> descrito permite calcular la probabilidad exacta de forma
[17:40] (mariajose> fácil, con la ayuda de una calculadora.
[17:41] (mariajose> 10. PRUEBA DE RANGOS.
[17:42] (mariajose> bien de esto nada mas cuando el tamaño de muestra es pequeño en variables
cualitativas se utiliza l aprueba exacta de fisher
[17:42] (mariajose> cuando el tamaño de muestra era pequeño en variables cuantitativas en
comparacion con una variable cuanlitativa que prueba de utilizaba?
[17:43] (mariajose> l at de student
[17:44] (mariajose> en variables cuantitativas en comparacion con cualitativas muestras grandes
se calculaba z
[17:44] (mariajose> pues en muestras grandes coincidian los valores de Z y t
[17:44] (mariajose> en muestras pequeñas llamandose pequeñs menos de 30 se utilizaba la t
[17:44] (mariajose> en cualitativas muestras grandes la chi cuadrado
[17:45] (mariajose> pero con la condicion que todas las celdas fueran superiores a 5
[17:46] (mariajose> luego en muestras pequeñas la prueba a utilizar es la exacta de Fisher
[17:46] (mariajose> de acuerdo?
[17:46] (Gerardo> vale
[17:46] (anana> vale
[17:47] (felipe> si
[17:47] (mariajose> gracias Gerardo pensaba qeu habiai desertado
[17:47] (maria> vale
[17:47] (miriam> si
[17:47] (mariajose> ahora seguimos con las pruebas de rangos
[17:47] (mariajose> bien
[17:48] (mariajose> todos estos test que hemso comentado hasta hora se pueden aplicar con la
condicion de que
[17:48] (mariajose> la distribucion sea normal d elso datos
[17:50] (mariajose> pero puede suceder que la distribucion no sea normal y entonces hay qeu
aplicar otros test
[17:51] (mariajose> que para vuestra tranquilidad el programa avisa de que la distribucion no es
normal y que hay que aplicar otros test y lo hace automaticamente
[17:51] (mariajose> estas pruebas son las pruebas de rangos
[17:51] (mariajose> Las distribuciones poblacionales se suelen definir,
[17:51] (mariajose> por parámetros tales como la media y la desviación
[17:51] (mariajose> estándar. Para distribuciones no normales necesitaremos
[17:51] (mariajose> conocer además otros parámetros tales como el grado de
[17:52] (mariajose> apuntamiento, ya que la media y la desviación estándar
[17:52] (mariajose> identifican únicamente la distribución Normal. La prueba t
[17:52] (mariajose> descrita anteriormente solo puede aplicarse si los datos
[17:52] (mariajose> provengan de una población distribuida Normalmente. Sin
[17:52] (mariajose> embargo, si pensamos que los datos no provienen de una
[17:52] (mariajose> población distribuida Normalmente, entonces hay que aplicar
[17:52] (mariajose> otras pruebas.
[17:52] (mariajose>
[17:52] (mariajose> Cuando los datos no siguen una distribución normal, no
[17:53] (mariajose> se pueden explicar por unos pocos parámetros y, así a las
[17:53] (mariajose> que pruebas que se aplican cuando la distribución no es
[17:53] (mariajose> normal, se les denomina “no paramétricas”. Aunque, si los
[17:53] (mariajose> tamaños muestrales en ambos grupos son grandes, la falta de
[17:53] (mariajose> Normalidad es menos importante, y se podrían aplicar las
[17:53] (mariajose> pruebas para muestras grandes ya descritas.
[17:53] (mariajose> Wilcoxon, Mann y Whitney describieron pruebas de suma
[17:53] (mariajose> de rangos, que se ha demostrado que son la misma. Por
[17:54] (mariajose> acuerdo, ahora se han adscrito la prueba de Wilcoxon para
[17:54] (mariajose> datos pareados y la prueba U de Mann-Whitney para datos no
[17:54] (mariajose> apareados.
[17:54] (mariajose> Las ventajas de estas pruebas, basadas en rangos, son que
[17:54] (mariajose> se pueden usar con seguridad cuando se manejan datos que no
[17:54] (mariajose> tienen una distribución totalmente Normal, que son rápidos
[17:54] (mariajose> de realizar y, que no es necesaria una calculadora. Los
[17:54] (mariajose> datos con distribución No-Normal se pueden, transformar
[17:55] (mariajose> usando logaritmos u algún otro método para que tengan una
[17:55] (mariajose> distribución Normal y se pueda realizar una prueba t (de
[17:55] (mariajose> Student). Consecuentemente, la adopción del mejor
[17:55] (mariajose> procedimiento hay que valorarlo cuidadosamente. La magnitud
[17:55] (mariajose> y naturaleza de la diferencia entre dos muestras se
[17:55] (mariajose> comprende más claramente a través de desviaciones estándar
[17:55] (mariajose> y pruebas t de Student que por pruebas no-paramétricas.
[17:56] (mariajose> esto es que si la distribucion no es normal se utilizan la spruebas no
parametricas
[17:57] (mariajose> y qeu se llaman de WILCOXON
[17:57] (mariajose> Y DE MANN-WHITNEY
[17:59] (mariajose> teneis alguna duda de esto digo por si habeis leido la documentacion
[17:59] (mariajose> dudas del resto
[17:59] (miriam> no por ahora
[17:59] (Gerardo> no
[18:00] (anana> no
[18:00] (monica> no
[18:00] (Beatriz> no
[18:00] (felipe> no
[18:01] (mariajose> bueno pues por hoy acabamos y mañana comentamos la correlacion y
regresion y tipos de estudios
[18:01] (mariajose> hasta mañana entonces que ya sera el ultimo dia
[18:01] (Gerardo> Hasta mañana, gracias.
[18:02] (miriam> hasta mañana
