Estadística Computacional
description
Transcript of Estadística Computacional
Estadística Computacional
Prof. Miguel González Velasco
Universidad de ExtremaduraFacultad de Medicina
Cátedra de Bioestadística
ESTADÍSTICA DESCRIPTIVA
INFERENCIA ESTADÍSTICA
POBLACIÓN
X : ”Característica”
MUESTRA
Nociones Básicas
BIOESTADÍSTICA: aplicación de los métodos estadísticos a las Ciencias de la Vida.
Nociones Básicas
POBLACIÓN O UNIVERSO: Conjunto de individuos o elementos de la misma naturaleza que presentan una o varias características comunes y susceptibles de ser medidas o clasificadas.
UNIDADES EXPERIMENTALES
MUESTRA: Subconjunto convenientemente seleccionado de la Población.
Nociones Básicas
CARACTERES O VARIABLES:
CUALITATIVOS (O ATRIBUTOS): Nos indica una cualidad de las unidades experimentales.
CUANTITATIVOS (O VARIABLES ESTADÍSTICAS): Miden cierta cantidad de las unidades experimentales.
a) variable estadística discreta, sólo toman valores discretos
b) variable estadística continua, que puede tomar cualquier valor dentro de cierto rango de posibles valores.
Estadística Inferencial
•PROCEDIMIENTOS DE ESTIMACIÓN
- Estimación Puntual
- Estimación por Intervalos de Confianza
•PROCEDIMIENTOS DE TEST DE HIPÓTESIS
EstimaciónLa ESTIMACIÓN ESTADÍSTICA es una serie de procedimientos estadísticos que tienen como objeto dar valores aproximados (estimaciones) sobre parámetros de una o varias poblaciones, así como los errores cometidos.
• ESTIMACIÓN PUNTUAL
• ESTIMACIÓN POR INTERVALOS DE CONFIANZA: se propone un intervalo de valores, en el que se encontrará el parámetro con cierta probabilidad a la que se denomina nivel de confianza.
Test de Hipótesis
Ejemplo: ¿Puede admitirse que el nivel medio de colesterol total en suero sanguíneo, en una determinada población, es de 2 g/l o por el contrario, tendríamos que admitir que es diferente de este valor?.
H0:µ=2 Hipótesis nula. H1:µ≠2 Hipótesis alternativa.
Planteamiento del problema:
µ=2 vs µ≠2
Test de Hipótesis
Acierto
AciertoError I
Error II
P(aceptar H1 | H0 cierta) = α Nivel de significación
P(aceptar H0 | H1 cierta) = β (1- β) Potencia del test
Tomar decisión a partir de la muestraRealidad
H0 H1
Decisión
H0
H1
Test de HipótesisEstrategia: Se asume la hipótesis nula H0
Resultado del experimento no contradice H0
No hay razones para rechazar H0 Resultado del experimento contradice H0
Es muy poco probable obtener un resultado tan extremo como el observado bajo el supuesto de H0
Se rechaza H0
Admitimos H1
Nivel de significación: α Para α=0.05 se aceptará la hipótesis alternativa si la probabilidad de obtener un resultado tan extremo o más como que el que hemos obtenido es, bajo la hipótesis nula, menor o igual a 0.05
P(aceptar H1 | H0 cierta) = α
Test de Hipótesis
Probabilidad de Significación: mínimo nivel de significación para el que podemos rechazar la hipótesis nula a partir de un conjunto de datos (muestra) determinado.
p≥0.05 No significativo: “No existen evidencias suficientes”
0.01<p≤0.05 Significativo
0.001<p≤0.01 Muy Significativo
p<0.001 Altamente Significativo
H1
Test de Hipótesis
Test de Hipótesis
Paramétricos
No paramétricos
Metodología:
Test de Normalidad:
-Test de Shapiro-Wilks
-Test de Kolmogorov-Smirnov-Lilliefors
Estudios Comparativos
Diseño de experimentos:
-Dos Poblaciones
-Muestras independientes
-Muestras apareadas
-Tres o más Poblaciones
-Diseño completamente aleatorizado
-Diseño por bloques al azar
Estudios ComparativosDos Poblaciones
C. Cualitativa
(proporciones)
V. Cuantitativa
(medias, rangos, varianzas)
Independientes
Apareadas
Comparación de varianzas:
- Test F de Snedecor
Comparación de medias o centralización:
- Test t-Student
- Test de Mann-Whitney
- Test de Wilcoxon
Comparación de proporciones:
-Test Chi-cuadrado de Pearson
(Corrección de Yates)
- Test exacto de Fisher
Comparación de medias o centralización:
- Test t-Student
- Test de Wilcoxon
Comparación de proporciones:
- Test de McNemar
Estudios ComparativosTres o Más Poblaciones
C. Cualitativas
(proporciones)
V. Cuantitativas
(medias, rangos, varianzas)
Independientes
Apareadas
Comparación de varianzas:
- Test de Bartlett
- Test de Levene
Comparación de medias o centralización:
- ANOVA de 1 vía
- Test de Kruskal-Wallis
Comparación de proporciones:
- Test Chi-cuadrado de Pearson
Comparación de medias o centralización:
-ANOVA de 2 vías
-Test de Friedman
Comparación proporciones:
- Test Q de Cochran
Estudios Relacionales
Dependencia entre dos variables:
C. Cualitativos
Test de Chi-Cuadrdo de Pearson
- Coeficiente de contigencia
- Coeficiente phi (2*2 tablas )
V. Cuantitativas
- Coef. de correlación lineal de Pearson
- Estudio de regresión
- Coef. de correlación de Spearman
- Coef. de Kendall
Dependencia entre tres ó más variables:
V. Respuesta Cuantitativa: Regresión Lineal Múltiple
V. Respuesta Cualitativa: Regresión Logística Múltiple