formacion de bioestadistica / gerencia en salud

1. MAESTRIA
EN GERENCIA EN SALUD
Dr. Alberto Cáceres Huambo
Estadístico para la Investigación
UNMSM-UPCH-UNSA
albertocaceresh@gmail.com
www.estadisticaparalainvestigacion.com
+51-959644237
BIOESTADISTICA
UNIVERSIDAD CATOLICA SANTA MARIA
ESCUELA DE POSGRADO

2. NIVEL DE
INVESTIGACION
DISEÑO DE
INVESTIGACION
TIPO DE
ESTUDIO
2

3. NIVELES DE INVESTIGACION
Hernandez, 2006; Paredes, 2004 3

4. CRITERIOS DE CLASICACION
a. EPOCA DE OBTENCION DE DATOS
 Retrospectivo
 Prospectivo
b. EVOLUCION DEL FENOMENO EN ESTUDIO
 Transversal
 Longitudinal
c. COMPARACION DE POBLACIONES
 Descriptivo
 Comparativo
d. MANEJO DE LAS VARIABLES
 De observación
 Experimental
Mormontoy, 1993
4

5. CARACTERISTICAS DEL
ESTUDIO
NOMBRE DEL ESTUDIO (*)
Retrospectivo -Transversal-
Descriptivo -De observación
Descriptivo retrospectivo.
Prospectivo -Transversal-
Descriptivo -De observación.
Descriptivo prospectivo
Retrospectivo -Transversal-
Comparativo -De observación
Comparativo retrospectivo.
TIPOS DE ESTUDIOS
5

6. CARACTERISTICAS DEL
ESTUDIO
NOMBRE DEL ESTUDIO (*)
Prospectivo - Transversal-
Comparativo - De
observación.
Comparativo prospectivo
Retrospectivo - Longitudinal-
Descriptivo - De observación.
De casos
Retrospectivo - Longitudinal-
Comparativo de efecto a
causa - De observación
De casos y controles.
6

7. CARACTERISTICAS DEL
ESTUDIO
NOMBRE DEL ESTUDIO (*)
Retrospectivo - Longitudinal-
Comparativo de causa a efecto
- De observación.
De cohorte retrospectivo.
Prospectivo - Longitudinal-
Descriptivo - De observación.
De una cohorte.
Prospectivo - Longitudinal-
Comparativo de causa a
efecto - De observación
De cohortes.
Prospectivo - Longitudinal-
Comparativo - Experimental.
Experimento.
(*)Algunos nombres se han elaborado en función de las
características principales del estudio y no están muy difundidos.
7

8. PASADO PRESENTE FUTURO
FACTOR CAUSAL EFECTO
EXPUESTOS
NO EXPUESTOS
INICIO DEL ESTUDIO
ESQUEMA DEL ESTUDIO PROSPECTIVO DE CAUSA A
EFECTO
8

9. PASADO PRESENTE FUTURO
FACTOR CAUSAL EFECTO
EXPUESTOS
NO EXPUESTOS
INICIO DEL ESTUDIO
ESQUEMA DEL ESTUDIO RETROSPECTIVO DE CAUSA
A EFECTO
9

10. PASADO PRESENTE FUTURO
FACTOR CAUSAL EFECTO
PRESENTE
AUSENTE
INICIO DEL ESTUDIO
ESQUEMA DEL ESTUDIO DE EFECTO A CAUSA
10

11. RR = A / (A+B)
C / (C+D)
PRIMERO
ELIJA
LUEGO SIGA PARA VER SI
C / (C+D)
C + D
D
C
No
expuestos
A / (A+B)
A + B
B
A
Expuestos
Tasa de
Incidencia
Total
No desarrolló
enfermedad (-)
Desarrolló
enfermedad
(+)
ESTUDIO COMPARATIVO DE CAUSA A EFECTO
11

12. LUEGO
MIDA
EXPOSICION
PREVIA
PRIMERO SELECCIONE
B+D
A+C
TOTAL
D
C
No expuestos
B
A
Expuestos
CONTROLES
CASOS
OR= AD / BC
ESTUDIO COMPARATIVO DE EFECTO A CAUSA
12

13. DESCRIPTIVO PURO
Xi
Xi
Xi
Xi
Xi
Xi
UN SOLO ESPACIO = 100%
13

14. DESCRIPTIVO RELACION
Xi
Xi
Xi
Xi
Xi
Xi
Yi
Yi
Yi
Yi
Yi
Yi
UN SOLO ESPACIO = 100%
14

15. COMPARATIVO
DOS O MAS ESPACIOS
. . .
A B Kj
15

16. EXPERIMENTALES
(Hernández, 2014)
PRE
EXPERIMENTO
CUASI
EXPERIMENTO
EXPERIMENTO
PURO
COMPARACION
CON UN
PARAMETRO
COMPARACION
RELACIONADA,
EMPAREJADA,
PAREADA
COMPARACION
DE MUESTRAS
INDEPENDIENTES
16

17. DESPUES
PRE EXPERIMENTOS
1
2
3
.
.
.
n
Factor
intervención
V. Dependiente
17

18. 1
2
3
.
.
.
n
DESPUES
CUASIEXPERIMENTO
V. Dependiente
ANTES
1
2
3
.
.
.
n
Factor
Causa
V. Dependiente
18

19. TRATADO
EXPERIMENTO PURO
CONTROL
19

20. DEFINICION DE VARIABLE
Característica que toma diferentes valores en
diferentes personas u objetos (unidades de
análisis, estudio o experimental).
El dato proviene de medir o contar una
característica seleccionada de una persona u
objeto de una muestra o población.
Ejm. Peso, Talla, Colesterol en sangre, Glucosa,
Niveles de Glicemia, Sexo, Edad, Grupo
sanguíneo.

21. DEFINICION DE INDICADOR
Son subdimensiones de las variables que
permiten conocer a profundidad la realidad de la
variable.
El indicador no puede ser utilizada como tal en la
investigación, no la procesamos porque en
algunos casos nos pueden llevar a resultados
erróneos.
Ejm. Índice de Masa corporal: IMC, P/T, T/E,
Albúmina, Linfocitos. (ESTADO NUTRICIONAL).
Circunferencia de cintura, Trigliceridos, HDL,
PAS, Glucosa (SINDROME METABOLICO).

22. TIPOS DE VARIABLE
-SEGUN LA ESTADISTICA
-SEGUN EL DISEÑO DE INVESTIGACION

23. SEGÚN LA ESTADISTICA
CUANTITATIVAS
numéricas
DISCRETA
discontinua
CONTINUA
cardinal
ordinales
> rango
< rango
-Peso
-Edad
-Colesterol
-Número de pacientes
-Número de hematies
-Número de espermatozoides
-Número de abortos
-Número de gestación
Peso
Edad
Colesterol
Número de pacientes
Número de hematies
Número de espermatozoides
Número de abortos
Número de gestación
Número de hematíes
Número de espermatozoides
Número de pacientes
Número de abortos
Número de orden en
la gestación

24. SEGÚN LA ESTADISTICA
CUALITATIVA
categórica
-Sexo (masculino, femenino)
-Enfermedad (Sano, enfermo)
-Hábito de fumar (fuma, no fuma)
-Grupo etareo ( <, -, >)
-Nivel de colesterolemia (.......)
-Grupo sanguíneo (A,B,AB,O)
-Nivel socioeconómico (Alto,
Medio, Bajo)
DICOTOMICAS
POLITOMICAS

25. SEGÚN EL DISEÑO DE
INVESTIGACION
VARIABLE
INDEPENDIENTE
VARIABLE
DEPENDIENTE
VARIABLE
INTERVINIENTE
(FACTOR)
(RESPUESTA)
(CONFUSORA)
=
=
=

26. MANEJO DE LAS VARIABLES
VARIABLES
CUANTITATIVAS CUALITATIVAS ó
CATEGORICAS
(frecuencia)
-Razón ó Proporción +
- Intervalo ±
- Nominal
- Ordinal
Escalas de
medición
Indicadores: -IMC, P/T, P/E, albumina
Continuas
Discreta
(conteo)

27. TIPO DE VARIABLES SEGÚN EL DISEÑO DE
INVESTIGACION
VARIABLE
INDEPENDIENTE
VARIABLE
DEPENDIENTE
VARIABLE
INTERVINIENTE
(FACTOR)
(RESPUESTA)
(CONFUSORA)
=
=
=

28. UNA CUANTITATIVA EN
CUALITATIVA
23.4
19.4
23.6
24.8
35.5
23.5
23.4
20.5
24.8
40.0
25.89±6.57
IMC=P/T2
Estado nutricional
(IMC)
Nº. %
Bajo de peso
Normal
Sobrepeso
TOTAL
1
7
2
10
10.0
70.0
20.0
100
Indicador: IMC
Bajo de peso:(<19.9)
Normal: (20 -24.9)
Sobrepeso: (25-29.9)

29. Estadística descriptiva
1. Medidas de tendencia central (Media
mediana y moda)
2. Medidas de Variabilidad o dispersión
(Varianza, desviación estandar,
coeficiente de variacion, error estándar,
rango)
3. Medidas de Posición (Cuartiles, deciles,
percentiles)
4. Medidas de forma (Curtoris, asimetría)

30. TRES TIPOS DE MEDIA
MEDIA ARITMETICA MEDIA PONDERADA

31. TRES TIPOS DE MEDIA
MEDIA GEOMETRICA
Por ejemplo, la media geométrica de 2 y 18 es
Otro ejemplo, la media de 1, 3 y 9 seria

32. VARIANZA Y DESVIACION
ESTANDAR MUESTRAL
1
)
( 2
_
2


 
n
X
X
S I
1
)
( 2
_


 
n
X
X
S I
VARIANZA
DEVIACIÓN ESTANDAR

33. VARIANZA







_
X
XI
Xi
2 -3 9
3 -2 4
7 2 4
8 3 9
26
7
3
8
2
5
 






_
X
X I
2
_
)
(
  X
XI
67
.
8
3
26
1
)
( 2
_
2




 
n
X
X
S I
2
_






 X
XI







_
X
X I

34. Desviación estandar
)
(
94
.
2
67
.
8
1
)
( 2
_
Unidades
n
X
X
S I




 

35. Ejemplo práctico
Se desea estimar la
varianza y desviación
estandar para el peso
de 10 estudiantes del
curso de estadística.
68 62
73 81
79 73
80 68
77 65

36. VARIANZA – DESVIACION ESTANDAR







_
X
XI
2
_






 X
XI
N Xi
1 68 -4.6 21.16
2 73 0.4 0.16
3 79 6.4 40.96
4 80 7.4 54.76
5 77 4.4 19.36
6 62 -10.6 112.36
7 81 8.4 70.56
8 73 0.4 0.16
9 68 -4.6 21.16
10 65 -7.6 57.76
398.4
27
.
44
9
4
.
398
1
)
( 2
_
2




 
n
X
X
S I
kg
S 65
.
6
27
.
44 


37. COEFICIENTE DE VARIACION
%
16
.
9
0916
.
0
60
.
72
65
.
6
_




X
S
CV

38. Si usted desea realizar la interpretación de
una variable cuantitativa como: colesterol,
trigliceridos, peso, talla, etc. Entonces
usted debe tener conocimiento de la
distribución de la variable, no debemos
invertir el tiempo en las fórmulas ni en los
cálculos; sino en una buena
interpretación.
¿Como se conoce si el conjunto de datos
tiene distribución normal?

39. CUARTILES DECILES PERCENTILES
MEDIDAS DE POSICION

40. ANÁLISIS DEL SESGO (ASIMETRIA)
1.- Sesgada a la izquierda: (sesgo
negativo): La media y la mediana
están a la izquierda de la moda.
(<0)
2.- Simetría (sesgo cero): La media,
la mediana y la moda son iguales.
(=0)
3.- Sesgada a la derecha: (sesgo
positivo): La media y la mediana
están a la derecha de la moda. (>0)
Media
Moda
Mediana
Media Moda
Mediana Moda=Mediana=Media
Moda=Mediana=Media
La Mediana es resistente a los valores extremos.

42. PRUEBAS DE NORMALIDAD

43. Click
PRUEBA DE NORMALIDAD

44. RESULTADOS
Pruebas de normalidad
.148 100 .000 .918 100 .000
Colesterol Sérico(mg/dl)
Estadístico gl Sig. Estadístico gl Sig.
Kolmogorov-Smirnov
a
Shapiro-Wilk
Corrección de la significación de Lilliefors
a.
Ahora el mismo proceso para la variables PAS
Ho: Tiene distribución normal = P>0.05
H1: No Tiene distribución normal ≠ P<0.05
Pruebas de normalidad
.083 100 .083 .978 100 .089
Presión Arterial
Sistólica(mmHg)
Estadístico gl Sig. Estadístico gl Sig.
Kolmogorov-Smirnov
a
Shapiro-Wilk
Corrección de la significación de Lilliefors
a.

45.  
Q
R
Q
X 5
.
1
;
min 3
max 
 
Q
min R
Q
X
max 5
.
1
; 1 
Bigote superior
Bigote inferior
3
Q
1
Q
Me
Q 
2
DIAGRAMA DE CAJA - BOX PLOT

46. ANALISIS DE DISPERSION
Caja Pequeña Caja Grande
Baja Variabilidad
Alta Variabilidad

47. EXPLORATORIAMENTE
COLESTEROL

48. PAS

49. TABLAS PARA DATOS DE
VARIABLES CUANTITATIVAS
Estadísticos Presión arterial
sistólica
Media
Desviación estándar
Mínimo
Máximo
n
TITULO
FUENTE:
CONTENIDO
{

50. TABLAS PARA DATOS DE
VARIABLES CUALITATIVAS
TITULO
FUENTE:
Enfermedad Nº. %
No
Si
TOTAL
{
CONTENIDO

51. TABLAS
SEXO Nº. %
Masculino
Femenino
TOTAL
5
3
8
62.5
37.5
100
62.5
37.5
0
20
40
60
80
Porcentaje
(%)
Masculino Femenino
Sexo
TABLA
UNIVARIADA
TITULO
62.5%
37.5%
Masculino Femenino

52. TABLAS
TABLA BIIVARIADA PARA
COMPARAR
ESTADO
NUTRICIO
NAL
PUBLICO PRIVADO
Nº. % Nº. %
Sobrepeso 6 20.0 10 25.0
Normal 15 50.0 25 62.5
Bajopeso 9 30.0 5 12.5
TOTAL 30 100 40 100
0.0
10.0
20.0
30.0
40.0
50.0
60.0
70.0
Sobrepeso Normal Bajopeso
20.0
50.0
30.0
25.0
62.5
12.5
Porcentaje
(%)
PUBLICO PRIVADO

53. TABLAS
TABLA BIIVARIADA PARA
ASOCIAR
ESTADO NIVEL SOCIOECONOMICO TOTAL
ALTO MEDIO BAJO
NUTRICI
ONAL
Nº % Nº % Nº % Nº %
Sobrepeso 4 13.3 2 6.7 1 3.3 7 23.3
Normal 2 6.7 8 26.7 1 3.3 11 36.7
Bajopeso 2 6.7 2 6.7 8 26.7 12 40.0
TOTAL 8 26.7 12 40.0 10 33.3 30 100
0
5
10
15
20
25
30
Sobrepeso Normal Bajopeso
13.3
6.7 6.7
6.7
26.7
6.7
3.3 3.3
26.7
Porcentaje
(%)
Alto
Medio
Bajo

54. ESTADISTICA INFERENCIAL
ESTADISTICOS DE PRUEBA
ASOCIACION – RELACION
BIVARIANTE MULTIVARIANTE
Y=βo+ β1(X1) Y=βo+ β1(X1)+β2(X2)+…βn(Xn)
Regresión lineal simple (V.
cuantitativas)
Chi cuadrado de independencia
(V. cualitativass)
Regresión lineal múltiple (V.
cuantitativas)
Regresión logística binaria (V.
Cualitativas)
Regresión logística multinomial (V.
Cualitativas)
Regresión logística ordinal (V.
Cualitativas)

55. ESTADISTICOS DE PRUEBA
COMPARACION
UNIVARIANTE MULTIVARIANTE
t student (M.uestras
independientes)
Chi cuadrado de homogeneidad
(V. cualitativas)
Mc Nemar
T student (M.uestras pareadas)
Análisis de varianza (ANOVA) (V.
cuantitativas)
Medidas repetidas
T2 hotelling
Anáisis de varianza multivariado
(MANOVA)
Medidas repetidas
ij j ij
Y   
   Y= + 1(X1)+2(X2)+…n(Xn)

56. ESTADISTICOS DE PRUEBA
De Agrupación y clasificación:
Analisis de cluster o conglomerados
Análisis factorial
Análisis discriminante
Técnicas de Jerarquización (Chaid)

57. ESTADISTICA PARAMETRICA Y NO
PARAMETRICA

58. POBLACIÓN
DE
ESTUDIO
CONDICION DATOS CUANTITATIVOS
DATOS
CUALITATI-
VOS
PRUEBA
PARAMETRICA
PRUEBA
NO
PARAMETRICA
PRUEBA
NO
PARAMETRICA
DOS
GRUPOS
INDEPENDIENTE T-student para
muestras
indepenientes
U- Mann
Whitney
x2
(Homogeneidad)
EMPAREJADOS T-student para
muestras
relacionadas
Wilcoxon Mc. Nemar
(dicotómicas)
DE MÁS
DE DOS
GRUPOS
INDEPENDIENTE ANOVA
(Análisis de varianza)
Kruskal
Wallis
x2
(Homogeneidad)
EMPAREJADOS ANOVA
Medidas
repetidas
Friedman Cochran
(dicotómicas)
CUADRO COMPARATIVO DE PRUEBAS PARAMÉTRICAS Y NO
PARAMÉRICAS

59. ASOCIACION DATOS
CUANTITATIVOS
DATOS
CUALITATIVOS
BIVARIADA
REGRESION LINEAL
SIMPLE
Chi cuadrado de
independencia (X2)
MULTIVARIADA REGRESION LINEAL
MULTIPLE
Regresión logística
R.L. Binaria
R.L. Multinomial
R.L. Ordinal
PRUEBAS ESTADISTICAS

60. Diseño Comparativo (dos muestras
independientes)
Prueba de muestras independientes
41.239 .000 -4.917 98 .000 -49.010 9.968 -68.792 -29.229
-4.111 44.263 .000 -49.010 11.922 -73.033 -24.988
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
Colesterol Sérico(mg/dl)
F Sig.
Prueba de Levene
para la igualdad de
varianzas
t gl Sig. (bilateral)
Diferencia
de medias
Error típ. de
la diferencia Inferior Superior
95% Intervalo de
confianza para la
diferencia
Prueba T para la igualdad de medias

61. Diseño Cuasiexperimental
(muestras relacionadas)
Prueba de muestras relacionadas
7.90000 8.94986 2.83019 1.49766 14.30234 2.791 9 .021
antes del tratamiento -
despues del tratamiento
Par 1
Media
Desviación
típ.
Error típ. de
la media Inferior Superior
95% Intervalo de
confianza para la
diferencia
Diferencias relacionadas
t gl Sig. (bilateral)

62. DISEÑO COMPARATIVO (una
muestra vs un parámetro)
Prueba para una m uestra
37.118 99 .000 90.120 85.30 94.94
Presión Arterial
Sistólica(mmHg)
t gl Sig. (bilateral)
Diferencia
de medias Inferior Superior
95% Intervalo de
confianza para la
diferencia
Valor de prueba = 90

63. Diseño Comparativo (tres o más
muestras independientes)
ANOVA
Colesterol Sérico(mg/dl)
33239.161 2 16619.580 6.541 .002
246451.839 97 2540.741
279691.000 99
Inter-grupos
Intra-grupos
Total
Suma de
cuadrados gl
Media
cuadrática F Sig.
Colesterol Sérico(m g/dl)
HSD de Tukey
a,b
19 277.37
49 277.96
32 316.88
.999 1.000
Estres
intenso
no
moderado
Sig.
N 1 2
Subconjunto para alfa
= .05
Se muestran las medias para los grupos en los subconjuntos
homogéneos.
Usa el tamaño muestral de la media armónica = 28.
766.
a.
Los tamaños de los grupos no son iguales. Se utilizará
la media armónica de los tamaños de los grupos. Los
niveles de error de tipo I no están garantizados.
b.

64. DISEÑO DE RELACION (una aplicación)
La siguiente tabla muestra los valores del consumo de metilmercurio y
la concentración total de mercurio en sangre, de 12 individuos
expuestos al metilmercurio por consumir peces contaminados.
Construya el modelo matemático:
Y=..............+ ...............(X)
r=...................
t=...................
Interprete:
X
Consumo de
metilmercurio de (g
Hg/día)
Y
Mercurio en
toda la sangre
(ng/g)
180 90
200 120
230 125
410 290
600 310
550 290
275 170
580 375
105 70
250 105
460 205
650 480

65. DISEÑO DE RELACION
Atención en la interpretación del profesor

66. ANOVA
b
162391.687 1 162391.687 75.531 .000a
21499.980 10 2149.998
183891.667 11
Regresión
Residual
Total
Modelo
1
Suma de
cuadrados gl
Media
cuadrática F Sig.
Variables predictoras: (Constante), consumo de mercurio ug Hg/día
a.
Variable dependiente: mercurio en sangre ng/g
b.
Coeficientes
a
-20.579 30.662 -.671 .517
.641 .074 .940 8.691 .000
(Constante)
consumo de
mercurio ug Hg/día
Modelo
1
B Error típ.
Coeficientes no
estandarizados
Beta
Coeficientes
estandarizad
os
t Sig.
Variable dependiente: mercurio en sangre ng/g
a.
Resum en del m odelo
.940a
.883 .871 46.36807
Modelo
1
R R cuadrado
R cuadrado
corregida
Error típ. de la
estimación
Variables predictoras: (Constante), consumo de mercurio ug
Hg/día
a.

67. DISEÑO DE COMPARACION
Se pretende comparar el Estado Nutricional en dos colegios de la
ciudad de Arequipa.
Presentación de la tabla:
X2=3.281 P=0.194 P>0.05
ESTADO
NUTRICIONAL
PUBLICO PRIVADO
Nº. % Nº. %
Sobrepeso 6 20.0 10 25.0
Normal 15 50.0 25 62.5
Bajopeso 9 30.0 5 12.5
TOTAL 30 100 40 100

68. 
 




F
i
C
j ij
ij
ij
C
F
E
E
O
1 1
2
)
1
)(
1
(
2 )
(

ESTADÍSTICO DE PRUEBA
Prueba de homogeneidad
Hipótesis
Estadística Ho= Las poblaciones son homogéneas (P>0.05)
Investigación H1= Las poblaciones no son homogéneas (P<0.05)

69. CALCULOS
Calculo del esperado 16x30/70 = 6.90
281
.
3
8
)
8
5
(
9
.
22
)
9
.
22
25
(
1
.
9
)
1
.
9
10
(
0
.
6
)
0
.
6
9
(
1
.
17
)
1
.
17
15
(
9
.
6
)
9
.
6
6
(
)
( 2
2
2
2
2
2
2
2














  E
E
O
x
TIPO DE COLEGIO
ESTADO PUBLICO PRIVADO TOTAL
NUTRICIONAL fo fe fo fe
Sobrepeso 6 6.9 10 9.1 16
Normal 15 17.1 25 22.9 40
Bajopeso 9 6.0 5 8.0 14
TOTAL 30 30 40 40 70

70. CALCULO EN EL EXCEL

71. Decisión estadística
Gl=(f-1)x(c-1)=(2-1)x(3-1)=2
5.99
X2=tabulado
P=0.05
P<0.05
P>0.05
SOFTWARE ESTADISTICO
3.821
P=0.194
Rechazo Ho
No Rechazo Ho

74. Cargar de esta manera los resultados, al ponderar casos se esta consiguiendo
que la tabla se despliegue como una base de datos completa a partir del cual
se han resumido los datos en la tabla
Datos ponderar casos

75. Analizar estadísticos descriptivos tablas de
contingencias

76. SALIDA SPSS
Tabla de contingencia estado nutricional * tipo de colegio
Recuento
6 10 16
15 25 40
9 5 14
30 40 70
sobrepeso
normal
bajopeso
estado
nutricional
Total
publico privado
tipo de colegio
Total
Tabla de contingencia estado nutricional * tipo de colegio
6 10
20.0% 25.0%
15 25
50.0% 62.5%
9 5
30.0% 12.5%
30 40
100.0% 100.0%
Recuento
% de tipo de colegio
Recuento
% de tipo de colegio
Recuento
% de tipo de colegio
Recuento
% de tipo de colegio
sobrepeso
normal
bajopeso
estado
nutricional
Total
publico privado
tipo de colegio
Pruebas de chi-cuadrado
3.281a
2 .194
3.263 2 .196
2.000 1 .157
70
Chi-cuadrado de Pearson
Razón de verosimilitudes
Asociación lineal por
lineal
N de casos válidos
Valor gl
Sig. asintótica
(bilateral)
0 casillas (.0%) tienen una frecuencia esperada inferior a 5.
La frecuencia mínima esperada es 6.00.
a.

77. 
 




F
i
C
j ij
ij
ij
C
F
E
E
O
1 1
2
)
1
)(
1
(
2 )
(

Prueba de independencia
Ho: Las variable son independientes (P>0.05)
H1: Las variable están relacionadas (P<0.05)
DISEÑO DE ASOCIACION

78. DISEÑO DE ASOCIACION
Se pretende asociar el Estado Nutricional y el Nivel Socioeconómico
en un espacio y tiempo.
Presentación de la tabla:
ESTADO NIVEL SOCIOECONOMICO TOTAL
ALTO MEDIO BAJO
NUTRICIO
NAL
Nº % Nº % Nº % Nº %
Sobrepeso 4 13.3 2 6.7 1 3.3 7 23.3
Normal 2 6.7 8 26.7 1 3.3 11 36.7
Bajopeso 2 6.7 2 6.7 8 26.7 12 40.0
TOTAL 8 26.7 12 40.0 10 33.3 30 100
X2=14.69 P<0.05

79. Prue bas de chi-cuadrado
14,694a
4 ,005
14,200 4 ,007
6,711 1 ,010
30
Chi-cuadrado de Pearson
Razón de verosimilitudes
Asociación lineal por
lineal
N de casos válidos
Valor gl
Sig. asintótica
(bilateral)
9 casillas (100,0%) tienen una frecuencia esperada inferior a
5. La frecuencia mínima esperada es 1,87.
a.
SALIDA SPSS
X2 calculado
P value

80. SALIDA SPSS
Pruebas de chi-cuadrado
14,694a
4 ,005
14,200 4 ,007
6,711 1 ,010
30
Chi-cuadrado de Pearson
Razón de verosimilitudes
Asociación lineal por
lineal
N de casos válidos
Valor gl
Sig. asintótica
(bilateral)
9 casillas (100,0%) tienen una frecuencia esperada inferior a
5. La frecuencia mínima esperada es 1,87.
a.
P value
X2 calculado

81. DISEÑOS CUASIEXPERIMENTALES
(muestras relacionadas)
SIN CONTROL
ESTADO NUTRICIONAL ANTES DESPUES
Nº. % Nº. %
Desnutrición leve 10 33.3 18 60
Desnutrición moderada 20 66.7 12 40
TOTAL 30 100 30 100
X2=4.286 P<0.05
Tratamiento
Programa

82. DISEÑOS CUASIEXPERIMENTALES
(muestras relacionadas)
CON CONTROL
Mc=12.5 P<0.00
Estado nutricional
(Antes)
Estado nutricional
(Despues)
TOTAL
(sobrepeso) + (normal) -
(sobrepeso) + 3 (a) 17 (b) 20
(normal) - 1 (c) 9 (d) 10
TOTAL 4 26 30
Pruebas de chi-cuadrado
.000a
30
Prueba de McNemar
N de casos válidos
Valor
Sig. exacta
(bilateral)
Utilizada la distribución binomial
a.
50
.
12
1
17
)
5
.
0
|
1
17
(|
)
5
.
0
|
(| 2
2









c
b
c
b
Mc
Estadístico de Prueba

83. COMO LEER TABLAS 2 X 2
Hábito de
fumar
CANCER
TOTAL
+ -
+ 10 4 14
- 2 14 16
TOTAL 12 18 30
RETROSPECTIVO
CANCER
TOTAL
Pb + -
+ 10 4 14
- 2 14 16
TOTAL 12 18 30
PROSPECTIVO

84. COMO LEER TABLAS 2 X 2
DESPUES
TOTAL
ANTES + -
+ 10 4 14
- 2 14 16
TOTAL 12 18 30
CUASIEXPERIMENTAL