Академический Документы
Профессиональный Документы
Культура Документы
vuelta
Estadstica
1. vuelta
Estadstica
Pregunta 1.- R: 3
Los estudios estadsticos pretenden llegar a conocer a la poblacin a
partir de un anlisis de una muestra de individuos.
Lo que se estudia acerca de cada individuo de la muestra es lo que se
llama carcter o variable; es decir, se trata de una caracterstica observable en los individuos. El color de los ojos, el estado civil, el nmero de
hijos, las pulsaciones por minuto, la talla o la velocidad de sedimentacin
constituyen ejemplos de variables.
Las variables cuantitativas son aquellas que pueden medirse, cuanticarse
o expresarse de forma numrica; las variables que no pueden cuanticarse numricamente reciben el nombre de variables cualitativas; estas
variables, por lo tanto, toman valores no numricos.
Dentro de las opciones, hay dos variables cuantitativas: la glucemia y
el nmero de camas. Cuando entre dos categoras cualquiera de una
variable, podemos interponer otra (por ej., entre 80 y 81 mg/dl de glucemia, tenemos 80,5) la variable es continua. El nmero de camas por
el contrario es discreta.
VARIABLE
Cualitativa
Cuantitativa
SUBTIPO
EJEMPLO
Nominal dicotmica
Sexo
Nominal no dicotmica
Raza
Ordinal
Nivel socioeconmico
Discreta
N. episodicos de asma/semana
Continua
Uricemia
Estadstica
La opcin 3 (La muestra estudiada no es homognea) es falsa porque
no sabemos con seguridad cul ha sido el motivo para calcular la mediana en vez de la media.
De todas las opciones, la que encaja con todo lo expuesto es la 4 (Es
posible que alguno de los sujetos estudiados haya presentado un nmero
elevado de catarros), es decir, es posible que hayan aparecido observaciones atpicas y, por eso, haya sido preferible el clculo de la mediana.
Pregunta 5.- R: 4
El concepto de dispersin implica cunto estn de separados los datos
con respecto al dato central (a la media), por tanto, se puede calcular
como la suma de las diferencias con la media de los datos. Hay que tomar
los valores absolutos, ya que, puesto que hay unos datos mayores que
la media y otros menores, el sumatorio de las diferencias dara cero si
no se emplease esta argucia matemtica. Posteriormente se divide la
suma total entre el nmero de individuos de la muestra, para que sea
comparable con otras dispersiones en otras series con distinto nmero de
individuos. As se obtiene la desviacin media de los datos con respecto
a su media aritmtica.
Avanzando un poco ms, podemos, a partir de la desviacin media,
obtener un mejor ndice de dispersin: si en vez de trabajar con valores
absolutos, elevamos al cuadrado las diferencias, tambin nos deshacemos de los nmeros negativos, y pasamos a trabajar con reas en vez
de segmentos (las diferencias se elevan al cuadrado); hemos obtenido
la varianza, que es una excelente medida de dispersin.
El problema de la varianza es que sus unidades son las mismas que las
de los datos pero elevadas al cuadrado, lo cual es matemticamente
incmodo, por ello se obtiene la raz cuadrada positiva del resultado de
la varianza para manejarse ms cmodamente; a este valor se le llama
desviacin tpica, y es el mejor ndice de dispersin.
El rango o recorrido es la media de dispersin ms elemental. Su inters
es muy relativo, ya que utiliza solamente dos datos de la serie (el primero
y el ltimo), que son, precisamente, los menos representativos, puesto
que son los valores extremos o ms raros de la variable.
MEDIDA DE CENTRALIZACIN
MEDIDA DE DISPERSIN
Distribucin
homognea
Media
Desviacin tpica
o estndar
Distribucin
asimtrica
Mediana
Rango intercuartlico
Rango
Pregunta 7.- R: 4
La distribucin normal sigue una forma de campana en la que el valor
central es la media y tambin la mediana (puesto que la campana es
simtrica) y la moda (puesto que en ese punto la curva tiene su mxima
altura).
Entre 1 desviacin estndar se encuentra el 68% de las observaciones
y entre 2 desviaciones estndar estn el 95% de las observaciones. Por
tanto, entre 1 y 2 desviaciones estndar se encuentran el 27% (95-68),
por lo que la opcin 4 es incorrecta.
El resto de opciones resumen una serie de caractersticas que debes
conocer sobre la curva de Gauss.
Estadstica
Una vez expuestos los resultados de tu estudio, se deben generalizar
o inferir a la poblacin; durante este proceso hay que aceptar que la
muestra, por muy representativa que sea, nunca va a ser idntica a la
poblacin y, por tanto, la generalizacin va a tener que asociar una probabilidad de que en el intervalo de conanza estimado NO se encuentre
la verdadera medida del parmetro estimado (el valor que se obtendra
si se calculase con toda la poblacin).
Como ves, siempre que acompaando a un intervalo vaya una p podemos deducir que se trata de un intervalo de conanza que, con con una
probabilidad dada, contendr al verdadero parmetro en la poblacin.
Con los datos que aportan en esta pregunta (media y desviacin estndar) no se puede calcular el intervalo de conanza, ya que falta el
tamao muestral.
Pregunta 12.- R: 3
En esta pregunta nos estn pidiendo un intervalo en el que con una
conanza determinada (95% o 99%) est la media poblacional de glucemia, por lo que las dos primeras opciones NO pueden ser correctas,
ya que al estimar un parmetro en la poblacin (en este caso una media)
hay que aportar la probabilidad de que en ese intervalo no est el valor
poblacional (la p).
Como dos de las opciones tienen una p < 0,01, calcularemos en primer
lugar el intervalo de conanza del 99% y, en caso de que NO coincida
con estas dos opciones, marcaremos la opcin 3.
IC 99% = X +
2,6
X 2 x DS
Del enunciado, extraemos que la media es 200 mg/dl y el dato que nos
falta es la desviacin tpica.
Para determinar la desviacin tpica es necesario darse cuenta de que en
el clculo del dato poblacional que nos aporta el enunciado (el intervalo
de conanza del 95%) est la desviacin tpica.
IC 95% = X +
2
DS
n-1
Aplicando la frmula:
IC 95% = 200 +
2
DS
100
DS
n-1
Aplicando la frmula:
IC 99% = 80 +
2,6
Pregunta 14.- R: 3
Es importante darse cuenta de que en esta pregunta, aunque nos
dan algunos datos poblacionales, lo que se pide es un intervalo que
comprenda al 95% de una muestra. Este intervalo (que NO se llama de
conanza), si la variable sigue una distribucin normal (en caso de que
este dato no lo aporten, como ocurre casi siempre en el MIR, se asume
que es as) se calcula:
10
100
IC 99% = 80 +
2,6
DS
100
IC 95% = 80 +
2
10
204 - 200 = 2 (DS/10)
4 = 2 DS / 10
40 = 2 DS; DS = 20
100
Estadstica
Ya que nos dan el error estndar de la media, lo ms fcil es calcular
primero el IC 95% y, en caso de que no coincida con las opciones que
hablan de la poblacin (la 3 y la 4), desarrollar despus el intervalo que
incluye el 95% de la muestra y comprobar con cul de las opciones que
se reeren a la muestra (opciones 1 y 2) coincide.
IC 95% = X 2 x EEM
Nos dicen que el 68% de la muestra est comprendido entre 175 y 225,
por lo que:
X DS = 175 - 225
200 DS = 175 - 225
Desarrollando esta ecuacin, obtendremos que la DS es 25.
Ahora slo tenemos que retomar la frmula del IC 95%:
Aplicacin de la frmula:
IC 95% = 200 2 (DS/10)
IC 95% = 200 2 (25/10)
IC 95% = 200 2 x 2,5
IC 95% = 200 5
IC 95% = 195 - 205
IC 95% = 2 2 x 0,5
IC 95% = 2 1
Es decir, que se tiene un 95% de conanza de que el verdadero descenso
medio se site entre 1 y 3 mmol/l, que es lo que dice la opcin 4).
Pregunta 16.- R: 2
La inferencia estadstica o estimacin de parmetros consiste en estimar
un parmetro poblacional a partir de un dato de la muestra que ha sido
estudiada. La precisin de los resultados de un estudio no depende
principalmente del valor del parmetro estudiado en la muestra, sino
del tamao muestral. Dicho de otro modo, que el intervalo de conanza
quede ms o menos estrecho no depende de que la media me haya
salido 80 o 120, sino de que tenga 30 o 300 personas en el estudio. As
que la opcin FALSA es la 2. En la frmula del error estndar de la media
(EEM), la desviacin tpica est en el numerador y el tamao muestral
en el denominador. Para reducir el EEM, no podemos actuar sobre el
numerador, ya que la desviacin tpica es una caracterstica que depende de la variable que estamos midiendo. Lo que s podemos hacer es
aumentar el denominador, es decir el tamao muestral, de modo que
al aumentar el tamao muestral cuatro veces (como est dentro de una
raz cuadrada), conseguimos disminuir el EEM a la mitad. De modo que
si un intervalo de conanza es demasiado amplio y queremos reducirlo
(esto es, ganar en precisin), deberemos aumentar el tamao muestral.
Recuerda que aunque calculamos el IC del 99% con la media muestral
+/- eem x 3, en realidad es unalicenciamatemtica que nos permitimos,
el valor real es media muestra -/- eem x 2,57 como dice la respuesta 5,
pero es mucho ms fcil multiplicarlo por 3 (eso no quiere decir que lo
apliques as si tienes que calcularlo, slo que conozcas el concepto). De
la misma manera, el IC del 95% lo calculamos con la media muestral +/eem x 2, pero el valor real es media muestral +/- eem x 1,96.
Pregunta 17.- R: 2
En esta pregunta nos piden un intervalo que incluya con una probabilidad del 95% la verdadera media poblacional, es decir, el intervalo de
conanza del 95%:
IC 95% = X +
2
DS
n-1
Aplicacin de la frmula:
IC 95% = 200 +
2
Pregunta 18.- R: 3
En esta pregunta nos piden el intervalo de conanza del 95%, y tenemos
que andar con mucho ojo porque podemos confundirnos si creemos
que en el enunciado nos estn dando el tamao muestral, la media y
la desviacin estndar, es decir, los datos ms habituales con que nos
piden un IC.
DS
100
DS
Pregunta 20.- R: 4
En esta pregunta nos piden el intervalo de conanza del 95% y nos
aportan todos los datos necesarios para su clculo:
100
DS
100
Estadstica
Aplicacin de la frmula (aqu s restamos 1 al tamao muestral, ya que
en este caso facilita el clculo):
IC 95%= 7 +
2
1
36
IC 95% = 7 2 (1/6)
IC 95% = 7 0,32
Pregunta 21.- R: 4
Cuando se comparan dos muestras o grupos (por ejemplo, dos grupos de
personas sometidos a dos tratamientos distintos), incluso aunque entre
estos dos grupos no hubiera diferencia, al medir en ellos una variable
resultado (por ejemplo, respuesta o no a un analgsico o disminucin de
la TA con una antihipertensivo) es muy poco probable que el promedio
de la variable resultado de ambos grupos sea exactamente el mismo.
Para entender en qu consiste el contraste de hiptesis, deberemos partir
del anterior razonamiento: en caso de que ambos grupos sean iguales,
se pueden obtener pequeas diferencias en la variable resultado que
se deben a la variabilidad del muestreo.
En contraste de hiptesis, al supuesto de que ambos grupos o muestras provienen de una poblacin homognea (es decir, de que son iguales o de que
no hay diferencias entre ellos), lo llamamos hiptesis nula (Ho) y las diferencias
que se deben al muestreo son diferencias que se pueden explicar por el azar.
Por lo tanto, podramos repetir el anterior argumento con otros trminos:
en caso de que la Ho sea cierta, se pueden obtener pequeas diferencias
en la variable resultado que se deben al azar.
Y en qu consiste el contraste de hiptesis? Consiste en establecer si
las diferencias que se han obtenido entre los dos grupos son probablemente debidas al azar (a la variabilidad en el muestreo) y, por lo tanto,
no podremos refutar la hiptesis nula o si, por el contrario, las diferencias
obtenidas son demasiado grandes y la probabilidad de que se deban
al azar es pequea y, por tanto, rechazaremos la Ho y diremos que las
diferencias son compatibles con la hiptesis alternativa (H1), que es
aquella que sostiene que ambos grupos son distintos.
Lo ms importante de todo es darse cuenta de que, cuando rechazamos
la Ho, no estamos completamente seguros de que las diferencias encontradas no se deban al azar. Lo que ocurre es que, como la probabilidad
de que se deban al azar es tan pequea, nos inclinamos a pensar que
la que es cierta es la H1.
Y qu parmetro estadstico es el que determina cul es la probabilidad de
que la diferencia obtenida se deba al azar? El grado de signicacin (la p).
Proponemos un ejemplo para la comprensin de uno de los conceptos
ms importantes de la Estadstica y del bloque de Estadstica en el
examen MIR.
Para comparar la TAD de los hombres y las mujeres, se recluta a 10
mujeres y 10 hombres sin HTA y se les toma la TAD. Se calcula la media
aritmtica de ambos grupos, y el resultado es:
X de TAD en hombres: 80
X de TAD en mujeres: 63
Segn estos resultados, estaramos tentados a decir que la TAD es distinta en hombres y en mujeres, pero ANTES de armar dicha diferencia,
deberemos preguntarnos: estas diferencias encontradas no se debern
a la variabilidad que deriva de trabajar con muestras en vez de con toda
la poblacin de mujeres y hombres?
Imaginamos que se calcula el grado de signicacin y se obtiene un 3%,
es decir, la probabilidad de que estos resultados (la diferencia obtenida en
nuestro estudio) se deba al azar es muy pequea, por lo que tendremos
CTO Medicina C/Francisco Silvela, 106 28002 - Madrid
suciente evidencia para rechazar la hiptesis nula y decir que entre los
dos grupos hay diferencias.
Pero, es posible que habiendo dicho que la TAD en hombres es distinta
a la de mujeres nos hayamos equivocado?
Efectivamente, la probabilidad de que hayamos rechazado la Ho y fuese
cierta (lo que se denomina error tipo I), coincide con la probabilidad de
que las diferencias encontradas se deban al azar (es decir, que NO haya
diferencias), esto es, el grado de signicacin.
Por lo que, recapitulando: siempre que rechazamos la hiptesis nula,
deberemos aportar la probabilidad de que nos equivoquemos, es decir,
de cometer un error tipo I: la p.
Pregunta 22.- R: 2
En el caso de que la hiptesis nula fuese falsa (esto es, si en realidad
hubiese diferencias) y el grado de signicacin obtenido no fuera tan
pequeo como el nivel mnimo exigido en Estadstica (5%), NO podremos
rechazar esa hiptesis nula, aunque sea falsa.
A sto, en contraste de hiptesis, se le denomina error tipo II.
Es importante insistir en que cuando no se tiene suciente evidencia
para rechazar la Ho, no por ello se dice que sea cierta.
REALIDAD
RESULTADOS
DEL TEST
EXISTE DIFERENCIA
Ho falsa
NO EXISTE
DIFERENCIA
Ho cierta
Hay diferencias
signicativas
Rechazo Ho
1-beta
Poder estadstico
o potencia del test
Error tipo I
o error alfa
No hay diferencias
signicativas
No rechazo Ho
1-alfa
Estadstica
Recuerda que si los resultados del estudio son NO signicativos no podemos armar que la hiptesis nula sea falsa, es decir, que NUNCA valdr
una opcin como la 5 (La situacin laboral no inuye en los niveles de
glucemia basal) que arme que no hay diferencias, ni otra en la que se
arme de manera tajante que los resultados se deben al azar (la opcin
3 es falsa por sto), ya que no estamos seguros de que los resultados se
deban al azar (siempre es posible que se haya cometido un error tipo II).
Por tanto, si la p es NO signicativa, lo mejor es buscar una opcin que
diga:No se ha obtenido evidencia de que los dos grupos de estudio sean
distintos. Dicho en palabras ms sencillas: No he demostrado nada.
Pregunta 25.- R: 4
Incluso si la ecacia de la azatioprina y la 6-mercaptopurina fuese igual
(Ho cierta), es rarsimo que el porcentaje de respuesta sea exactamente igual en dos grupos de personas; lo que tenemos que decidir es si
las diferencias observadas (60% de mejora con azatioprina y 55% con
6-mercaptopurina) se pueden deber al azar; la respuesta a esta pregunta
es el grado de signicacin, que en este caso es menos del 5%, por lo
que podremos decir que hay diferencias entre esos dos tratamientos
(rechazaremos la Ho), con una probabilidad de equivocarnos (es decir,
de que se deban al azar) menor del 5%, que es lo que dice la opcin 4.
Pregunta 26.- R: 5
Nos encontramos con dos grupos de pacientes que, sometidos a distintos procedimientos quirrgicos, presentan un porcentaje de complicaciones distinto, que desde el punto de vista clnico es importante.
Lo que hay que establecer es con qu probabilidad estas diferencias
pueden ser explicadas por el azar; en el enunciado no nos lo dan directamente, pero la probabilidad de que el azar explique las diferencias
debe de ser mayor del 5%, ya que nos dicen que la diferencia no es
estadsticamente signicativa.
Es importante recalcar que, cuando no se tiene suciente evidencia
para rechazar la Ho, no por ello se dice que sea cierta, por eso lo nico
que podremos decir es que no existe evidencia para decir que ambos
tratamientos son diferentes (opcin 5 correcta), pero NO podremos
aseverar que los dos tratamientos son iguales.
Pregunta 27.- R: 4
Pongamos un ejemplo que podra ser el del enunciado de esta pregunta:
en 35 personas tratadas con el hipoglucemiante A se consigue como
media una reduccin de la glucemia de 45 mg/dl y en 35 personas tratadas con el hipoglucemiante B se consigue como media una reduccin
de la glucemia de 60 mg/dl. En el contraste de hiptesis se calcula cul
es la probabilidad de encontrar estos resultados si los dos tratamientos
fuesen iguales y se obtiene un grado de signicacin del 2%.
Trasladado a cmo est formulada la pregunta, si los dos tratamientos
fuesen iguales (si la Ho fuese cierta), resultados como los obtenidos
o diferencias an mayores (en nuestro ejemplo, diferencias mayores
a 60-45), ocurriran con una probabilidad menor del 5% (en nuestro
caso con una probabilidad del 2%), que es lo que dice la opcin 4.
Pregunta 28.- R: 3
Si los resultados de un estudio son estadsticamente signicativos, por
convencin, se acepta rechazar la Ho, esto es, se arma que es poco
probable que sea cierta en base a las diferencias observadas entre los
distintos grupos estudiados. Pero a pesar de haberse encontrado una
CTO Medicina C/Francisco Silvela, 106 28002 - Madrid
Estadstica
Pregunta 32.- R: 4
Un error tipo I consiste en rechazar la hiptesis nula cuando en realidad
es cierta (opcin 4 falsa).
La probabilidad de que rechacemos la Ho y sea cierta coincide con la
probabilidad de que las diferencias encontradas se deban al azar (es decir,
que NO haya diferencias), sto es, el grado de signicacin.
En otras palabras, decimos que la probabilidad de que las diferencias
observadas se deban al azar es tan baja como para creer que hay verdaderas diferencias y en realidad, aunque era muy poco probable, las
diferencias encontradas son debidas al azar.
En los trabajos cientcos sobre diferencias mediante contraste de
hiptesis, se admite como valor mximo de error alfa (o lo que es lo
mismo, valor mximo de p) el 5%. Si p es menor a 0,05 el resultado
es estadsticamente signicativo, por lo que es muy poco probable que
las diferencias se deban al azar. Si p es mayor a 0,05 no existe suciente
evidencia para decir que ambos tratamientos son diferentes. Las diferencias pueden deberse al azar, con una probabilidad mayor al nivel de
exigencia. Jams podemos asegurar que las diferencias son por el azar,
ya que stas pueden ser debidas a, por ejemplo, haber tomado una
muestra insuciente para realizar las comparaciones. Si aumentamos
el tamao muestral aumenta la potencia del test (capacidad del test
de detectar diferencias cuando existen en realidad).
Pregunta 33.- R: 3
Antes de arrancar un estudio se establece el nivel de p a partir del
que vamos a considerar nuestros resultados signicativos (nivel
crtico). Por lo tanto, si en este estudio el nivel crtico es del 1%, se
consideran signicativos resultados con p menor al 1%, que es lo
que dice la opcin 3.
Si asocias la p con la probabilidad de cometer un error tipo I, comprenders que estableceremos un nivel del 1% en aquellas situaciones en
las que, antes de empezar a utilizar el frmaco, queremos asegurarnos
de que las diferencias sean verdaderas, por ejemplo, cuando el frmaco
investigado tiene importantes efectos secundarios.
Por lo tanto, la probabilidad de cometer un error alfa en este estudio era
baja (menor al 1%) y no alta como dice la opcin 4.
Lo que no podemos saber es la probabilidad de cometer un error beta,
ya que en el enunciado no nos informan de la potencia estadstica. Por
eso mismo sabemos que es falsa la opcin 1 (el poder con el que se
afront el estudio fue del 99%).
Resumiendo, los resultados de este estudio son no signicativos porque establecimos un nivel crtico muy estricto (del 1%), quizs porque
el nuevo medicamento (frmaco experimental) produce ms efectos
secundarios que el habitual.
Pregunta 34.- R: 4
Aunque la p haya resultado no signicativa (para el nivel crtico del 5%),
no podemos decir que no haya diferencia de ecacia entre aspirina y
ticlopidina (no sugerimos que la hiptesis nula sea cierta, simplemente
no tenemos suciente evidencia para decir que es falsa).
VARIABLES
Variable 1
Datos independientes
Datos Apareados
Cualitativa
Cualitativa
Chi-cuadrado
Mc Nemar
Cualitatitva no dicotmica
Cuantitativa
T Student
Cualitatitva no dicotmica
Cuantitativa
Cualitativa
Cuantitativa
Correlacin Pearson
Regresin
Estadstica
En este caso, la variable predictora (V1) ser: no haber fumado nunca, ser ex-fumador o fumador; vemos que se trata de una variable
cualitativa que tiene ms de dos categoras (variable cualitativa no
dicotmica). La variable resultado (V2) ser: la tensin arterial medida
cuantitativamente.
Con una variable predictora cualitativa de ms de dos categoras y una
variable resultado cuantitativa el test de contraste de hiptesis adecuado
es el anlisis de la varianza (ANOVA). La opcin correcta es la 3.
Pregunta 38.- R: 4
Se pretende determinar si existe asociacin entre el tipo de carrera que
se cursa y la presencia o no de antgeno de la supercie del virus de la
hepatitis B, por lo que se aprecian las siguientes variables:
V1: carrera universitaria que se estudia: variable cualitativa que en
nuestro estudio es dicotmica, ya que slo tiene dos posibilidades
(Medicina u Odontologa).
V2: presencia o no del antgeno de supercie del VHB: tambin
variable cualitativa dicotmica, ya que slo tiene dos posibilidades
(dar positivo para Ag VHB o dar negativo).
El test de contraste de hiptesis adecuado para determinar si existe
asociacin o no (es decir, que las diferencias encontradas entre los dos
grupos de estudiantes se puedan deber al azar) entre dos variables cualitativas (independientemente de que sean dicotmicas o no, aunque
en este ejemplo lo sean ambas) es el test de Chi-cuadrado.
La opcin correcta es la 4.
Pregunta 39.- R: 2
Al buscar las dos variables de este estudio, tienes que darte cuenta de
que la edad de las pacientes NO es una variable, simplemente nos estn
deniendo qu personas participan en el estudio, es decir, nos estn
dando los criterios de seleccin. Mediante los criterios de seleccin
se dene la poblacin a la que se podrn extrapolar los resultados de
nuestro estudio, que en este caso ser a adolescentes de 14 a 16 aos.
Pregunta 42.- R: 3
Un coeciente de correlacin de Pearson de -1 indica que existe una
fuerte correlacin lineal entre las dos variables y que esta relacin es
negativa, es decir, que cuando aumenta una variable la otra disminuye
y viceversa. La opcin correcta es la 3.
Recuerda que los valores del coeciente de correlacin oscilan de -1 a 1, y
que cuanto ms se acerca a -1 o a 1 la relacin lineal ser ms fuerte, mientras
que un coeciente de correlacin de 0 indica ausencia de relacin lineal.
Pregunta 43.- R: 4
Si se pretende estudiar si hay diferencia o no entre los niveles de glucosa en sangre en personas que no han comido y personas que ya han
comido, el estudio se puede plantear de dos maneras:
a) Cogemos a una muestra de personas y les extraemos una muestra
de sangre antes de comer, y a otro grupo de personas distintas y les
extraemos sangre despus de que hayan comido.
b) Cogemos a una muestra de personas y les extraemos una muestra
de sangre antes de comer, y a ese mismo grupo de personas les
extraemos sangre despus de que hayan comido.
Pregunta 40.- R: 4
Imaginemos que tenemos un grupo de mujeres embarazadas a las que se
les toma la TAD y se obtiene como resultado una media aritmtica de 72
mm de Hg, y otro grupo de mujeres no gestantes a las que se les toma la
TAD y se obtiene como resultado una media aritmtica de 74 mm de Hg.
Posiblemente esta diferencia se deba a la variabilidad en el muestreo
(al azar), pero para poder hacer esta armacin tendremos que hacer
el test de contraste de hiptesis que corresponda con las variables de
este estudio:
V1: estar o no embarazada (variable dicotmica).
V2: TAD (variable cuantitativa).
CTO Medicina C/Francisco Silvela, 106 28002 - Madrid
Pregunta 44.- R: 2
Se quiere establecer si hay diferencia entre el descenso de carga viral
que se consigue con indinavir frente al obtenido con saquinavir, por lo
que las variables de este estudio sern:
V1: tratamiento con indinavir o saquinavir (variable cualitativa dicotmica).
Estadstica
VARIABLES
Variable 1
Variable 2
Cualitativa
Cualitativa
Datos independientes
Test exacto de Fisher
Cualitatitva no dicotmica
Cuantitativa
U Mann-Whitney
Wilckoxon
Cualitatitva no dicotmica
Cuantitativa
Kruskal-Wallis
Cualitativa ordinal
Datos apareados
Cualitativa ordinal
Wilckoxon
Friedman
Rho Spearman
Tau Kendall