El documento resume conceptos estadísticos como intervalo de confianza, prevalencia, hipótesis nula e hipótesis alternativa. Explica cómo calcular el intervalo de confianza para proporciones, medias y cómo utilizar estadísticos de contraste para probar hipótesis estadísticas.

3.  Es el rango de valores entre los cuales se
encuentra el parámetro con una determinada
precisión
 Un intervalo de confianza del 95% entre “x” y “y”
quiere decir que si se repite el procedimiento de
selección de muestra y de medición 100 veces, en
95 oportunidades el verdadero valor se encontrará
entre las cantidades “x” y “y”.

4.  La prevalencia y la incidencia acumulada son
proporciones, por tanto sus IC se
calculan como tales
=
IC = proporción ± p ∗ q / n

5.  En una muestra de 100 pacientes sometidos a un
cierto tratamiento se obtienen 80 curaciones.
Calcular el intervalo de confianza al 95% de la
eficacia del tratamiento.
 ¿Qué significa? La verdadera proporción de
curaciones está comprendida entre 72% y 88%
con un 95% de confianza.
 ¿Es suficientemente preciso? Habrá que juzgarlo
con criterios clínicos

6. En una muestra aleatoria de 500 personas de un área,
hay 5 diabéticos. La prevalencia estimada es
5
p=
ˆ
500
0,01 = 1%

7. 0,01 ± 1,96 0,01 ∗ 0,99 / 500
= 0,001 a 0,019
¿Qué significa? La verdadera prevalencia de
diabetes está comprendida entre 0,1% y 0,19%
con un 95% de confianza.
¿Es suficientemente preciso? Habrá que
juzgarlo con criterios clínicos

8.  Para la media o promedio,
Donde:
S
IC = promedio ±
n= tamaño de muestra
= S=varianza de la población
n

9. Para una muestra de 81 habitantes de cierta población se obtuvo una
estatura media de 167 cm. Por estudios anteriores se sabe que la
desviación típica de la altura de la población es de 8 cm.
El intervalo de confianza para la estatura media de la población al
95% es
8
IC = 167 ±
81
IC = 167 ± 0.9
Límite inferior: 167 - 0.9 = 166.1
Límite superior: 167 – 0.9 = 167.9

11.  Hipótesis nula H0 : es la hipótesis estadística
planteada para ser contrastada;
 Hipótesis Alternativa H1 : es la hipótesis
complementaria de la anterior.
Ambas hipótesis cubren todos los casos
posibles.
Cuando una hipótesis no es aceptada: se ha
encontrado evidencia científica para rechazar
la hipótesis. Es decir, se valida el rechazo,
pero no la aceptación.

12.  Establecer la hipótesis nula
 Establecer la hipótesis alternativa
 Elegir un nivel de significación: nivel crítico para
alfa
 Elegir un estadístico de contraste
 Calcular el estadístico para una muestra aleatoria
y compararlo con la región crítica, o, calcular el
"valor p" (probabilidad de obtener ese valor, u
otro más alejado de la H0, si H0 fuera cierta) y
compararlo con alfa.

15.  Error tipo Alfa: o tipo I, es rechazar una hipótesis nula
verdadera.
 Error tipo Beta: o tipo II, es aceptar una hipótesis nula
falsa

16.  es la probabilidad de error al comparar dos o más
muestras o grupos cuando aseguramos que ambos
son diferentes.
 es la probabilidad en el sentido de la significación
estadística.
 < 0.05 significa que tenemos un 5% de
probabilidades de error en las conclusiones, por lo
cual la probabilidad de equivocarnos es baja.

17. Cuando se rechaza una hipótesis usando un nivel de significación α =
0,05, para un nivel de confianza del 95 %, se dice en el informe que los
resultados fueron significativos.
En Medicina, la recomendación actual es poner todo, en especial el
intervalo de confianza (CI), junto con el valor del estadígrafo. Son
ejemplos de estos modos:
- ... se obtuvieron resultados significativos (p < 0,05)
- ... esta hipótesis no es aceptable Zx = 2,07 (p = 0,0468)
- ... se rechazó la hipótesis planteada (Z = 2,07) al 95% de confianza.
- ... se rechazó la hipótesis planteada (Z = 2,07*)
- ... se rechaza pues Z = 2,07 cae fuera de 95% CI ( -1,6 ; + 1,6)