Pruebas no paramétricas

Pruebas no paramétricas
ROMPIENDO BARRERAS EN LA
GENERACIÓN DE CONOCIMIENTOS
EPIDEMIOLÓGICOS

Matilde Peguero, PhD, MPH
Profesora Escuela de Salud Publica

Observación
Descodificación
Información
Conocimiento
Análisis
Proceso producción de conocimiento
Datos

Interrelación problema-objetivo-hipótesis
Problema
Objetivo Hipótesis
Que no sabe?
Cual es el vacio de conocimiento?
El que hacer para
responder a la duda
Explicación tentativa
o a priori de la duda

ANÁLISIS DE DATOS EN EPIDEMIOLOGIA
Qué información podemos
obtener con los datos
obtenidos en nuestro estudio?

ETAPAS DEL ANÁLISIS EPIDEMIOLÓGICO
Comprobación
Proceder a comprobar que los datos son
correctos, tenemos que analizar que no
falten datos, que estén completos,
valoraremos su precisión o exactitud y su
consistencia.
Reconocimiento
de los datos
Distribución de frecuencias
Distribución de los valores obtenidos
Tendencia y posición de los mismos en
La variabilidad que presentan

RECONOCIMIENTO DE LOS DATOS

Boxplot o Diagrama de caja

Seleccionado la prueba estadistica

Criterios para decidir en métodos
parametricos o no parametricos
• Cuando la población desde la cual fueron obtenidos
los datos no tienen distribución normal
• en este caso la media y la desviación estándar no
son confiables como descriptores de la población

• Estadística paramétrica.- Son técnicas estadísticas de
estimación de parámetros ( intervalos de confianza y prueba de
hipótesis), son aplicadas básicamente a variables continuas.
• Se basan en especificar una forma de distribución de la
variable aleatoria y de los estadísticos derivados de los datos.
Asume que la población de la cual la muestra es extraída es
normal o aproximadamente normal.
• Asumen los datos provienen de una muestras probabilística

• Estadística no paramétrica.- •No requieren determinar
la distribución de la poblacion original ni la distribución
de los estadísticos por lo que en realidad no tenemos
parámetros a estimar;
• No requieren asumir normalidad de la población y que en su
mayoría se basan en el ordenamiento de los datos;

PRINCIPALES PRUEBAS ESTADÍSTICAS
NO PARAMÉTRICAS

CHI CUADRADO DE PEARSON
• Buscamos conseguir una expresión numérica
que indique el grado en que existe relación
entre las dos variables;
• Si no hay ninguna distancia entre ambas
situaciones, el valor es 0.
• Conforme más lejos se encuentre de 0, estará
indicando mayor grado de relación.

• Prueba de bondad de ajuste de un modelo estadístico
que describe lo bien que se ajusta un conjunto de
observaciones. Las medidas de bondad en general
resumen la discrepancia entre los valores observados y
los que valores esperados en el modelo de estudio.
Tales medidas se pueden emplear en el contraste de
hipótesis ( test de normalidad, de residuos chi cuadrado
…)

• A mayor valor del estadístico χ2, mayor es la diferencia entre
los valores observados y teóricos, por consiguiente, más
alejados están los valores observados de los valores
calculados bajo el supuesto que las variables fuesen
independientes (H0 verdadera).
• En consecuencia, a mayor valor del estadístico χ2, mayor es
el grado de asociación entre las variables (H1 verdadera).
•

• Evaluar si el valor que toma el estadístico χ2 es significativo.
• Utilizar la tabla de distribución probabilística de χ2, la cual es
dependiente de los “grados de libertad”. Los grados de libertad son
igual al producto del número de filas menos 1 (r–1) por el número
de columnas menos 1 (k–1);
• Para el caso de variables dicotómicas,los grados de libertad es 1;
• Cuando el valor de p es menor que 0.05, se rechaza la H0 en favor
de H1, apoyando la probable asociación entre las variables.

• La hipótesis nula ( H0) del test de χ2 apoya la independencia de
las variables
• Es un test de planteamiento bilateral) es decir, solamente
determina la independencia de dos variables cualitativas, sin
informar el sentido ni la magnitud de dicha asociación;
• Las variables cualitativas puede tener más de dos niveles
• En la interpretacion del test de χ2 los valores que toman los
niveles de las variables deben cumplir una serie de condiciones
numéricas; el 80% de las celdas en una tabla de contingencia
tengan valores esperados mayores de 5

PRUEBA DE McNEMAR
• La prueba de McNemar se utiliza para decidir si puede o
no aceptarse que determinado ''tratamiento'' induce un
cambio en la respuesta dicotómica o dicotomizada de
los elementos sometidos al mismo;
• Es aplicable a los diseños del tipo ''antes-después'' en
los que cada elemento actúa como su propio control.

La hipótesis nula es que el ''tratamiento'' no
induce cambios significativos en las
respuestas, es decir, los cambios
observados en la muestra se deben al azar,
de forma que es igualmente probable un
cambio de + a - que un cambio de - a +.

PRUEBA H DE KRUSKAL-WALLIS
• Permite decidir si puede aceptarse la hipótesis de que k
muestras independientes proceden de la misma
población o de poblaciones idénticas con la misma
mediana.
• la hipótesis nula es cierta, es que el rango promedio de
la población es aproximadamente igual para a la
muestra

Wilcoxon
• Se usa para hacer pruebas de hipótesis acerca de la mediana de una
población.
• Ho: La Mediana poblacional es igual a un valor dado.
• Ha: La mediana es menor (mayor ó distinta) del valor dado.
• La prueba estadística está basada en la distribución Binomial con
probabilidad de éxito p=½, puesto que la probabilidad de que un
dato sea mayor o menor que la mediana es ½. Para calcularla se
determinan las diferencias de los datos con respecto al valor dado
de la mediana y se cuentan los signos positivos y negativos.

BIBLIOGRAFÍA

Pruebas no paramétricas

Recommandé

Recommandé

Contenu connexe

Tendances

Tendances (20)

Similaire à Pruebas no paramétricas

Similaire à Pruebas no paramétricas (20)

Plus de matildepeguero

Plus de matildepeguero (8)

Dernier

Dernier (20)

Pruebas no paramétricas