Información dirigida a estudiantes de enefremería

1. Capitulo 7
INFERENCIA
ESTADÍSTICA

2. Inferencia estadística
 “El conjunto de métodos estadísticos que
permiten deducir (inferir) como se
distribuye la población en estudio o las
relaciones estocásticas entre varias
variables de interés a partir de la
información que proporciona una
muestra”.

3. Intervalo de confianza
 En estadística, se llama intervalo de confianza a un par o
varios pares de números entre los cuales se estima que estará
cierto valor desconocido con una determinada probabilidad
de acierto.

4. Intervalos de confianza para la media de una
población
Fórmula
𝑰𝑪 𝝁 − 𝑬, 𝝁 + 𝑬
Donde
𝜇 Media
𝜎 Desviación estándar
n Numero de la muestra
E Error
Fórmula del Error
𝑬 = 𝒁∝/𝟐
𝝈
𝒏

6. Ejemplo 2
n= 30 alumnos
𝜇 = 5.83 Promedio de calificaciones
𝜎 =1.92
IC= 80% =0.8
∝= 0.2
Formula ∝ 2 =
.2
2
= 0.1 𝑍∝ 2= 1.28
𝑬 = 𝟏. 𝟐𝟖
𝟏. 𝟗𝟐
𝟑𝟎
= 𝟎. 𝟒𝟒𝟖𝟕 ≅ 𝟎. 𝟒𝟓
Intervalo de confianza es
(5.83-0.45, 5.83+0.45) = (5.38, 6.28)
Significa que el 80% de los alumnos están entre 5.38 y 6.28 de
calificación el resto esta por debajo y superior
6.285.38
10%10%
80%

7. 7.3 Pruebas de HIPOTESIS
Una HIPOTESIS se define como una proposición
acerca de una o más poblaciones.
El propósito de la prueba de hipótesis es ayudar
a el investigador a tomar una decisión acerca
de una población mediante el examen de una
muestra de ella.

8. Pruebas paramétricas
Pruebas de hipótesis estadísticas que asumen cierto
comportamiento de:
 Muestras obtenidas aleatoriamente
 Distribución normal de las observaciones
 Existe un parámetro de interés que buscamos estimar.
Pruebas no paramétricas
No asumen lo anterior total o parcialmente.

9. Ho: µ = 50
Ha: µ ≠ 50

14. Z < Valor críticoEjemplos:

15. Paso 7 Conclusiones finales
Esto se realiza con base a la decisión anterior.

16. 7.5 Regresión y correlación
lineal

17. Regresión lineal
Se llama así a la recta que atraviesa la nube de puntos y que
mejor se ajusta a ellos. El análisis de la regresión lineal es útil para
averiguar la forma probable de las relaciones entre las variables y
el objetivo final
La variable X (variable independiente
Para determinar la variable
Y (variable dependiente)
La ecuación de una recta es:
y = a + b x

18. Ejemplo
Y=2.327 + 0.892 X

19. Esta prueba se aplica en diseños de investigación en los que a
un único grupo de individuos se les han medido
simultáneamente dos variables cuantitativas continuas que
tienen distribución semejante a la de la curva normal.
En esta prueba se calcula una medida de resumen llamada
coeficiente de correlación de Pearson, simbolizado como rp,
que permite identificar la forma en que se asocian las dos
variables cuantitativas continuas.
Una vez calculado, el coeficiente de correlación de Pearson
puede tener valores que varían entre -1 hasta + 1, pasando por
el cero.

20. Esta prueba de análisis estadístico exige el cumplimiento de la siguiente
condición: la distribución de ambas variables debe ser semejante a la de
la curva normal. En el caso de que no se cumpla la condición o que de
entrada una o ambas variables sean discretas, la prueba alterna de
análisis estadístico que se debe utilizarse es la denominada de Spearman.
Este coeficiente nos informa del grado de relación entre dos variables.
• Si la relación es lineal perfecta, rp será 1 ó -1.
• El coeficiente , rp será positivo si la relación es positiva (al aumentar x
aumenta y),
• Y rp será negativo en el caso contrario (si al aumentar x, disminuye y).

21. Puntuación de 10 individuos en prueba de
ansiedad y depresión
el gráfico mostraba una aparente asociación de tipo
directo; es decir, los individuos con puntuaciones bajas
en la prueba de ansiedad también tenían
puntuaciones bajas en la prueba de depresión.
Complementariamente, las personas con altas
puntuaciones en la prueba de ansiedad tenían altas
puntuaciones en la prueba de depresión.

22. Fórmula
Entonces en el ejemplo:
Indica una intensa asociación de tipo directo entre ambas variables; es decir, las más
altas puntuaciones en una de las variables correspondieron a las más altas
puntuaciones en la otra y, complementariamente, las más bajas puntuaciones en una
variable correspondieron a las más bajas puntuaciones de la otra.

23. A través de la computadora

24. Determinar el valor crítico
Ahora el propósito de la prueba era evaluar la posibilidad de rechazar a la Ho, se hizo
una comparación del valor calculado con un valor crítico tabular.
Grados de libertad = n-2
Por lo tanto
G.L.=10-2 = 8
Si localizamos en la tabla
El valor critico para el nivel de
significancia de 0.05 fue de 0.632.

25. DECISIÓN
Como el valor calculado de rp fue de 0.97 y, por ello, superó al
valor crítico, entonces se rechazó la hipótesis estadística nula
Ho: rp = 0; en otras palabras, se rechazó la suposición de que no
había asociación estadísticamente significativa entre ambas
variables.
rp > Valor crítico
ó
0.97 >0.632
Conclusión, Al menos para el grupo en estudio, existe asociación
directa entre las puntuaciones obtenidas por los sujetos en las
escalas de ansiedad y de depresión y que el riesgo de
equivocarse al establecer tal conclusión era menor a 0.05
(equivalente a 5%); lo anterior se simbolizó así: la Ho fue
rechazada ( p < 0.05).

26. Tipos de correlación
Valor Significado
-1
Correlación negativa grande y
perfecta
-0,9 a -0,99 Correlación negativa muy alta
-0,7 a -0,89 Correlación negativa alta
-0,4 a -0,69 Correlación negativa moderada
-0,2 a -0,39 Correlación negativa baja
-0,01 a -0,19Correlación negativa muy baja
0 Correlación nula
0,01 a 0,19 Correlación positiva muy baja
0,2 a 0,39 Correlación positiva baja
0,4 a 0,69 Correlación positiva moderada
0,7 a 0,89 Correlación positiva alta
0,9 a 0,99 Correlación positiva muy alta
1
Correlación positiva grande y
perfecta

27. Determine si existe correlación entre las variables: Glucosa y Colesterol
de 10 pacientes con un riego de equivocarse del 5%

28. Y(colesterol)=75.088 + 1.840 X(Glucosa)
Solución:
Mediante el programa estadítico
SPSS