31
Pruebas no paramétricas ROMPIENDO BARRERAS EN LA GENERACIÓN DE CONOCIMIENTOS EPIDEMIOLÓGICOS

Pruebas no paramétricas

Embed Size (px)

Citation preview

Page 1: Pruebas no paramétricas

Pruebas no paramétricas

ROMPIENDO BARRERAS EN LA GENERACIÓN DE CONOCIMIENTOS

EPIDEMIOLÓGICOS

Page 2: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

Page 3: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

Observación

Descodificación

Información

Conocimiento

Análisis

Proceso producción de conocimiento

Datos

Page 4: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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

Page 5: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

ANÁLISIS DE DATOS EN EPIDEMIOLOGIA

Qué información podemos obtener con los datos obtenidos en nuestro estudio?

Page 6: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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

Page 7: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

RECONOCIMIENTO DE LOS DATOS

Page 8: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

Boxplot o Diagrama de caja

Page 9: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

Page 10: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

Seleccionado la prueba estadistica

Page 11: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

Page 12: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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

Page 13: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

ANÁLISIS DE DATOS EN EPIDEMIOLOGIA

• 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

Page 14: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

ANÁLISIS DE DATOS EN EPIDEMIOLOGIA

• 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;

Page 15: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

PRINCIPALES PRUEBAS ESTADÍSTICAS NO PARAMÉTRICAS

Page 16: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

PRINCIPALES PRUEBAS ESTADÍSTICAS NO PARAMÉTRICAS

Page 17: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

PRINCIPALES PRUEBAS ESTADÍSTICAS NO PARAMÉTRICAS

Page 18: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

PRINCIPALES PRUEBAS ESTADÍSTICAS NO PARAMÉTRICAS

Page 19: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

PRINCIPALES PRUEBAS ESTADÍSTICAS NO PARAMÉTRICAS

Page 20: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

PRINCIPALES PRUEBAS ESTADÍSTICAS NO PARAMÉTRICAS

Page 21: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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.

Page 22: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

CHI CUADRADO DE PEARSON

• 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

…)

Page 23: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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.

Page 24: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

CHI CUADRADO DE PEARSON

• 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).

Page 25: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

CHI CUADRADO DE PEARSON

• 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.

Page 26: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

CHI CUADRADO DE PEARSON

• 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

Page 27: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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.

Page 28: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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 +.

Page 29: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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

Page 30: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

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.

Page 31: Pruebas no paramétricas

Matilde Peguero, PhD, MPH Profesora Escuela de Salud Publica

BIBLIOGRAFÍA