NC Bioestadística 2015sept2

M.Sc.
Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 1

Notas de clase Informtica y Bioestadstica Universidad del Norte
1.1 La estadstica
La Estadstica es una herramienta que tiene como fundamento el recolectar, organizar,
describir e inferir informacin para aportar al desarrollo de las dems ciencias.
La estadstica descriptiva es aquella cuyo principal objetivo es dar un relato del conjunto de
datos organizados, sin necesidad de realizar inferencias.
Se limita a describir los datos que se analizan, sin hacer inferencias en cuanto a los no
incluidos en la muestra .
Por el contrario la estadstica inferencial tiene como finalidad obtener conclusiones de una
poblacin basndose en datos muestrales, por lo tanto realiza estimaciones y pruebas de
hiptesis.
1.2 Bioestadstica
El mtodo estadstico consiste en una secuencia de procedimientos para el manejo de los datos
en una investigacin, dicho manejo tiene entre otros, el propsito de buscar tcnicas
apropiadas que permitan mostrar la validez de una o ms hiptesis de investigacin.
Es vlido comentar que en la literatura se pueden encontrar distintos nombres a los procesos
del mtodo estadstico, lo importante es establecer una adecuada jerarquizacin para cada uno
de ellos y llevarlos a cabo de la mejor manera; para el apoyo de los procesos de investigacin.
Estos elementos juegan un papel fundamental en los procesos investigativos llevados en las
ciencias de la salud, ya que robustecen los resultados que se obtienen, brindando universalidad
y confianza a la comunidad cientfica.
Pgina 1
M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 2

Entre las etapas de los procesos de investigacin se encuentran:
Etapa Administrativa
Recursos econmicos
Etapa terica
Etapa Metodolgica
Recursos humanos
Antecentes y planteamiento
Recursos tecnolgicos
del problema.
Diseo metodolgico
Hiptesis
Tipo de Investigacin
Objetivos
Poblacin
Justificacin
Definicin de variables
Marco referencial
Aspectos ticos
Tcnicas e instrumentos
Anlisis de resultados
Aspectos administrativos
Pgina 2

1.3 Hiptesis
Definicin 1.1.1 Una hiptesis estadstica es una afirmacin o conjetura acerca de una o ms
poblaciones o, lo que es ms frecuente, un conjunto de afirmaciones sobre uno o ms
parmetros de una o ms poblaciones.
No estadsticas
Las hiptesis pueden ser

Estadsticas
Es importante tener en cuenta que las hiptesis deben plantearse en trminos de los
parmetros, que son las caractersticas medibles de la poblacin y que generalmente no las
conocemos, a menos que se realicen estudios de cobertura completo, por ejemplo el censo.
1.3.1 Las hiptesis nula y del investigador
Ho : hiptesis nula , bsicamente es negar toda diferencia entre:

a. Dos poblaciones
b. Entre dos parmetros poblacionales
c. Entre el valor verdadero de algn parmetro y su valor hipottico
H1 : hiptesis del investigador , es usualmente el complemento de la hiptesis nula y

representa la conclusin cuando H o se rechaza y es bsicamente la pregunta a responder.
Pgina 3

Ejemplo 1.1.2 Analizar las siguientes hiptesis:

a. H o : Los trabajadores de las empresas que cuentan con programas de recreacin familiar presentan menor o
igual productividad respecto a los trabajadores de las empresas que no cuentan con dichos programas.
H1 : Los trabajadores de las empresas que cuentan con programas de recreacin familiar presentan mayor
productividad respecto a los trabajadores de las empresas que no cuentan con dichos programas.
b. H o : Los trabajadores de las empresas que cuentan con programas de recreacin familiar no presentan diferencia respecto
a su productividad cuando se les compara con los trabajadores de las empresas que no cuentan con dichos programas.
H1 : Los trabajadores de las empresas que cuentan con programas de recreacin familiar presentan diferencia respecto
a su productividad cuando se les compara con los trabajadores de las empresas que no cuentan con dichos programas.
c. H o : Los trabajadores de las empresas que cuentan con programas de recreacin familiar presentan mayor o igual reporte de
situaciones de conflicto respecto a los trabajadores de las empresas que no cuentan con dichos programas.
H1 : Los trabajadores de las empresas que cuentan con programas de recreacin familiar presentan menores reportes de
situaciones de conflicto respecto a los trabajadores de las empresas que no cuentan con dichos programas.
Ejemplo 1.1.3 De acuerdo a las siguientes situaciones, derive las hiptesis nula y del
investigador.
El jefe de personal de una empresa se pregunta si el peso medio de sus trabajadores es

mayor de 98,5 kilos de peso.
Un siclogo piensa que al impartir charlas motivacionales a la fuerza de venta de una

empresa genera diferencia positiva en su rendimiento laboral.
Un investigador interesado en el impacto sonoro al que estn expuesto los trabajadores,

considera que hay diferencias por tipo de ruido y problemas auditivos (ruido continuo,
intermitente y de impacto)
Un ingeniero Industrial encargado del rea de bienestar en una empresa le interesa
saber si el tipo de contratacin que se realiza a los nuevos trabajadores influye en su
rendimiento laboral
Un Mdico deportlogo considera que las personas que realizan ejercicio semanalmente
poseen mejor rendimiento y disposicin en sus actividades laborales en comparacin
con aquellos que no practican ejercicio semanalmente.
Pgina 4

Adems, es importante tener en cuenta que si k

entonces:
es un parmetro poblacional,
a. H1 : k , se denomina alternativa bilateral

b. H1 : k y H1 : k , se denominan alternativas unilaterales.
Ahora bien, al establecer las hiptesis estadsticas se debe tener presente que:
a. La hiptesis nula siempre se refiere a un valor especfico del parmetro de la poblacin,
no al estadstico.
b. La expresin de la hiptesis nula siempre contiene un signo igual respecto al valor
especfico del parmetro de la poblacin.
c. La expresin de la hiptesis alternativa nunca contiene un signo igual respecto al valor
especfico del parmetro de la poblacin.
En la medida que se vaya tomando prctica en la formulacin de las hiptesis lograr
identificar que las conclusiones se realizarn teniendo en cuenta que:
Rechace H o , a favor de H1 al existir suficiente evidencia en la informacin muestral.
No rechace H o , al no existir suficiente evidencia en la informacin muestral.
Acepta o No rechazar la Hiptesis Nula?
Las aplicaciones de las pruebas de hiptesis son bastante amplias, pero se tomar un el ejemplo
del veredicto de un jurado para sacar algunas conclusiones respecto a las hiptesis nula y
alternativa.
Por ejemplo, sean:
H0 : el acusado es inocente
H1 : el acusado es culpable
Es importante comprender que el rechazo de una hiptesis simplemente implica que la
evidencia de la muestra la refuta
Pgina 5

Ejemplo 1.1.4 Se quiere analizar el impacto de la aplicacin de un programa para prevenir

desrdenes con movimientos repetitivos de msculos superiores (sndrome de tnel carpiano,
epicondilitis y enfermedad de De Quervain) en una empresa de la ciudad. Para tal motivo se
toman dos grupos, uno al que se le aplic el programa Msculo Esqueltico y al otro no, para
lo cual el equipo investigador se plantea las hiptesis:
Sea p1 : proporcin de trabajadores a los que se les aplica el programa M.E.

p2 : proporcin de trabajadores a los que no se aplica el programa M.E.
H0 : p1 tienen mayor o igual dificultades con movimientos repetitivos quea la p2
H1 : p1 tienen menos dificultades con movimientos repetitivos que p2
Errores tipo I y tipo II

Las decisiones que se discuten, sobre la hiptesis nula, as:
No rechazar la hiptesis nula (o rechazar la alternativa)

Rechazar la hiptesis nula (o aceptar la alternativa)
Decisin sobre H o es verdadera
es falsa
Ho
Ho
Aceptar H o
Decisin correcta
Decisin incorrecta
Rechazar H o
Decisin incorrecta
Decisin correcta
De acuerdo a la tabla anterior, se generan dos tipos de errores y por tanto es de inters saber la
probabilidad de cometer esos errores, de esta manera se tiene que:
P error tipo I P rechazar H 0 / H 0 verdadera
P error tipo II P aceptar H 0 / H 0 es falsa
Donde se llama nivel de significancia, siendo 1 el llamado GRADO DE CONFIANZA y la

probabilidad 1 se llama potencia de la prueba.
Pgina 6

1.4 Medicin
Esta parte del proceso del mtodo estadstico exige un manejo claro del investigador acerca del
trabajo como tal; ya que implica tomar mediciones de acuerdo a qu se va a medir, definir
operacionalmente las variables, construccin y aplicacin del instrumento para luego realizar
la aplicacin y recoleccin de datos previa prueba piloto.
Pero qu es medir?
Es el proceso mediante el cual se compara una unidad patrn seleccionada con el objeto o
fenmeno que se desea medir
el proceso de vincular conceptos abstractos con indicadores empricos proceso que se realiza
mediante un plan explcito y organizado para clasificar (y frecuentemente cuantificar) los
datos disponibles los indicadores en trminos del concepto que el investigador tiene en
mente (Carmines y Zeller, 1979, p. 10)
Valor verdadero
Parte Sistemtica
E.A.M.
Medicin
Error de medida
Objeto
Precisin, la cual evidencia
la proximidad entre varias
medidas obtenidas de igual
manera.
Parte Aleatoria
E. M
Medicin
Exactitud, indica la
proximidad de una medida a
su valor verdadero.
Un instrumento de medicin adecuado es aquel que registra datos observables que representan
verdaderamente a los conceptos o variables que el investigador tiene en mente (Sampieri, 1997)
Pgina 7

Confiabilidad, la cual hace

referencia a obtener los mismo
resultados en aplicaciones
reiteradas del instrumento
(Consistencia Interna)
Requisitos de un instrumento
de medicin
Validez, la cual hace referencia
al grado con que el
instrumento mide lo que la
variable realmente quiere
medir
De Contenido, asociado al
"manejo" puntual del
contenido que se pretende
medir. (Dominio de Inters Especificidad terica)
De Criterio, se establece al
comparar el instrumento con
otro que mida la misma
variable
De Constructo, da cuenta de la
evidencia emprica de la
medicin de las variables con
otras mediciones de conceptos
relacionados.
De expertos, es el grado en que
un instrumento mide la
variable de inters a juicio de
un grupo de expertos en el
tema.
Se ha definido que una escala es un continuo de valores ordenados correlativamente que

tengan un punto inicial y otro final asignado por los investigadores. Por ejemplo, si se evala el
rendimiento de los trabajadores en cuando a un proceso productivo se puede asignar el valor 0
al mnimo rendimiento esperado bajas ciertas condiciones y preparacin del trabajador y al
mayor rendimiento 100; teniendo en cuenta que se pueden determinar valores intermedios.
Algunas generalidades para los instrumentos:
a. Seleccin del mejor instrumento
b. Traduccin al espaol y traduccin en sentido inverso
c. Prueba piloto (en relacin a la evaluacin, a la utilidad de la escala y al formato utilizado)
Es importante al momento de la realizacin de un estudio tener claridad sobre la poblacin que

se va a trabajar y si se va a realizar un muestreo o no. Adems, identificar plenamente en la
pregunta problema cul es la unidad de anlisis y la unidad de observacin.
Pgina 8

Ejemplo 1.1.5
a. Identificar en cada una de las siguientes situaciones el tipo de error:
Se realizan las mediciones, con una balanza no calibrada, del peso de 25 trabajadores en
una empresa de la ciudad.
Se aplica un cuestionario a los trabajadores, en donde deben escribir el nombre, en el
cual se indague sobre la satisfaccin del clima laboral.
Se realiz una inadecuada interpretacin de los resultados obtenidos en unas pruebas de
un grupo de trabajadores en una empresa de la ciudad.
Se realiz un estudio sobre mobbing laboral en el cual no se dise un marco
muestral.
Se realiza una medicin sobre fatiga de trabajadores utilizndose un instrumento
internacional y no se realiza validacin cultural.
b. Analizar la siguiente escala Likert
Pgina 9

d. Escala dicotmica
Por favor, lea cuidadosamente estas instrucciones antes de empezar. Luego marque todas sus
contestaciones en la Hoja de respuestas. Este cuestionario contiene una lista de frases. Lea cada frase
con atencin y piense si lo que dice describe o no su forma de ser. Si usted est de acuerdo con ella,
marque Su respuesta en V (verdadero). Si usted est en desacuerdo, piensa que no describe su forma de
ser, marque F (falso) en la Hoja de respuestas.
Pgina
10

e. Versin Colombiana de un test Espaol Tipo escala Likert
Pgina
11

Definicin 1.1.6 La unidad de anlisis es aquella entidad representativa que va a ser objeto de
estudio. Algunos ejemplos de unidades de anlisis son:
Calidad de vida
Engagement ,enamoramiento hacia el trabajo
Burnout ,sndrome del quemado
Niveles de exposicin a una sustancia txica
Percepcin en riesgo
Definicin 1.1.7 La unidad de observacin corresponde a la entidad que suministra la

informacin respecto a las unidades de anlisis
Si la unidad de anlisis es el Engagement las unidades de observacin es el trabajador, en el cual
se podran analizar:
El nmero de tareas realizadas, no asignadas, relevantes para la empresa en el ltimo
mes.
El nmero de aportes para conseguir mejoras en la empresa.
Nmero de horas adicionales dedicadas a proyectos de la empresa, sin recibir
bonificacin econmica.
Percepcin de los compaeros respecto al grado de compromiso que tiene un
funcionario especfico.
Ejemplo 1.1.8 Supngase que se quiere realizar un estudio descriptivo que busca construir una
lnea base sobre las condiciones de salud y bienestar de los trabajadores que ingresan a la
empresa OMEGAXX. En relacin a esto se realiza la siguiente pregunta problema:
Cules son las condiciones de salud y bienestar de los trabajadores que ingresan a la empresa
OMEGAXX en el ao 2012
Cul es la unidad de anlisis y cul es la unidad de observacin?

Respecto a la unidad de observacin, qu variables se podran identificar?
Pgina
12

1.4.1 Variables Estadsticas

Definicin 1.1.9 Una variable estadstica es una funcin que asigna valores a las caractersticas
de la poblacin analizada.
NATURALEZA
ESCALA DE MEDICIN
Razn Intervalo Ordinal Nominal Discreta
TIPO
Continua
CUALITATIVA
CUANTITATIVA
De acuerdo a su naturaleza las variables se clasifican en:

a. Cualitativas: las variables cualitativas son aquellas que resultan de registrar la presencia
de un atributo.
b. Cuantitativas: las variables cuantitativas son aquellas que resultan al registrar un
nmero.
De acuerdo a su escala de medicin:

a. Nominal: es aquella donde las categoras en relacin a la variable no presentan
jerarquas.
b. Ordinal: es aquella en la que se establece una relacin de orden entre sus categoras.
c. Intervalo: es aquella en la cual el punto cero, si existe; es arbitrario. Adems las
categoras tienen un orden especfico y las distancias o intervalos entre stas son iguales.
d. Razn: es aquella donde se identifica un punto cero, que significa ausencia de la
caracterstica.
Pgina
13

Las variables deben cumplir un par de condiciones importantes para el buen desarrollo de los
proyectos, las cuales son:
a. Exhaustividad: sta condicin busca que al clasificar la variable se contemplen todas las
posibilidades que de ella se pueda medir.
b. Mutua exclusin: busca que una unidad de anlisis o persona slo pueda ser asignada o
clasificada en un solo valor de la variable.
Indique la escala de medicin para cada una de las siguientes variables
Variable
Nominal
Nivel de escolaridad
Carreras ofrecidas por la Universidad X
Peso de los 20 primeros pacientes atendidos en la clnica Y
Puntuaciones de un test de lectura rpida
Estrato en el que viven los estudiantes de la Universidad X
Nmero de accidentes de trnsito en Diciembre en la ciudad Z
Temperatura medida, en grados centgrados, los primeros 6 meses del ao
Sexo de los estudiantes de la Universidad X
Salarios de los trabajadores de la empresa A
Estatura de los integrantes de un equipo de baloncesto
Nmero de accidentes semestrales de los trabajadores de la empresa A
Nmero de bacilos inoculados de Shigella en un grupo poblacional expuesto
a factores contaminantes
Pgina
14
Escala de medicin
Ordinal Intervalo
Razn

1.4.2 Operacionalizacin de variables estadsticas

Definicin 1.1.9 La Operacionalizacin de las variables son los consensos que muestra cmo se
va a medir la variable, pasando de un nivel abstracto a un nivel concreto a efectos de poder
observarla y medirla de manera confiable, con el propsito de contrastar hiptesis.
Macro variable
Caractersticas
demogrficas
Caractersticas
relacionadas con
patologas y
estilos de vida
Variables
Definicin
Operacional
Naturaleza
Nivel de
medicin
Criterio de
clasificacin
Edad
# ao s cumplido s po r el
entrevistado a la fecha
de realizaci n de la
encuesta e info rmado s
po r el mismo
Cuantitativa Continua
Razn
20, 21,
22,23,24
Sexo
Caracterstica
feno tpica que diferencia
al ho mbre de la mujer
Cualitativa
Nominal
Masculino
Femenino
Convivencia
con pareja
Es la respuesta que de el
entrevista si
actualmente est
co nviviendo co n una
pareja
Nominal
Soltero
casado
viudo
unin libre
Cualitativa
Hipertensin arterial,
dislipidemias, cardiopatia
isqumica, poli neuropata
perifrica , otros.
Enfermedades
Patologas diagosticadas por

profesionales de la salud al sujeto
de estudio
Cualitativa
Nominal
Hbitos txicos
H bi tos noci vos s el ecci ona da s por

l os s ujetos , de un l i s tado
s umi ni s tra dos por l os
i nves tiga dores .
Cualitativa
Nominal
Fumar, Ingestin de bebidas

alcohlicas, otros
Cualitativa
Ordinal
Siempre, algunas veces y

nunca.
Ejercicio fsico
Nivel de prctica de ejercicios

referidos por los sujetos de estudio.
Es importante tener en cuenta que existen mtodos cuantitativos y cualitativos y cada uno de
ellos tiene sus respectivas tcnicas de recoleccin de informacin
Pgina
15

2.1 lgebra de conjuntos

2.1.1 Operaciones entre eventos
Al ser los eventos un conjunto, entonces se puede aplicar operaciones entre stos tales
definindose as: la unin, diferencia, interseccin, complemento entre eventos. Tambin se
puede identificar aquellos eventos que se denominan excluyentes.
Definicin 2.1.1 Si A y B son dos eventos de un espacio muestral , entonces la interseccin
entre stos eventos simbolizada A B , es el conjunto de todos los resultados posibles que
pertenezcan a A y B .
Definicin 2.1.2 Dos eventos de un espacio muestral

excluyentes si su interseccin es vaca, es decir, A B
se denominan mutuamente
Definicin 2.1.3 Si A y B son dos eventos de un espacio muestral , entonces la unin entre
stos eventos, notada A B , es el conjunto de resultados posibles de A o B o ambos.
Pgina
16

Definicin 2.1.4 Si A y B son dos eventos de un espacio muestral , entonces la diferencia

entre stos eventos, notada A B es el conjunto de todos los elementos que estn en A y no
en B .
Definicin 2.1.5 Si A es un evento del espacio muestral , entonces, el complemento de A ,

notado A ' , es el conjunto de todos los elementos que no estn pero que se encuentran en .
Ejemplo 2.1.6 Se conoce que el nmero de estudiantes que aprobaron un test de conocimiento
sobre riesgo ergonmico fue de 20 , los que aprobaron otro sobre riesgo cardiovascular de 23 y
los que aprobaron ambos de 9 . S 50 estudiantes presentaron stas pruebas: Completa cada
uno de los sectores y responde:
a.
b.
c.
d.
Cuntos estudiantes no aprobaron las pruebas mencionadas?

Cuntos estudiantes aprobaron slo el test sobre riesgo cardiovascular?
Cuntos estudiantes al menos uno de los test?
Cuntos estudiantes aprobaron slo un test?
Pgina
17

Ejemplo 2.1.7 Para cada uno de los siguientes problemas, realiza el diagrama de Venn e
identifica los valores correspondientes de cada sector para responder resolver la pregunta
propuesta.
a. Se eligieron al azar 30 trabajadores de la empresa OMEGA XX para realizarle mediciones
antropomtricas y otras medidas necesarias con el fin de tomar acciones preventivas para
disear un programa y evitar enfermedades cardiovasculares. Dentro de los resultados se
encontr por ejemplo que 4 trabajadores tienen altos niveles de colesterol y sobre peso, si
hay 12 trabajadores que slo tienen sobre peso y 6 que no tienen las caractersticas
mencionadas; cuntos trabajadores tienen los niveles de colesterol alto?
b. En un estudio realizado en el 2014 en una sede de una empresa productora de tornillos, se
identificaron 130 accidentes laborales, de los cuales 68 ocurrieron en el rea de produccin;
adems, 47 del total de los accidentes ocurrieron en la jornada nocturna. Si 21 de los
accidentados pertenecen al rea de produccin de la jornada nocturna, cuntos empleados
tuvieron un accidente laboral que no pertenecen al rea de produccin que no sean de la
jornada nocturna?
c. De 60 personas que pertenecen al rea de recursos humanos de una Universidad de
Barranquilla, se encontr, que 19 de stas realizan pausas activas durante su jornada
laboral, 10 realizan pausas activas y mantienen buena postura ergonmica al realizar sus
labores, y 15 no mantienen una buena postura ergonmica y no realizan pausas activas en la
jornada laboral. Cuntas personas realizan pausas activas o mantienen buena postura
ergonmica en su jornada laboral?
d. En un gimnasio se realizaron entrevistas a 520 personas durante una semana y se encontr
que el 69% de los encuestados realizaba su entrenamiento bajo una rutina de TRX o de
MMF, adems se identific que el 47% realiza entrenamiento de MMF. Si un 32% realizan las
dos rutinas de entrenamiento. Aproximadamente cuntas personas entrenan TRX?
Pgina
18

2.1.2 Poblacin
Definicin 2.1.8 Poblacin diana o blanco es aquella que viene delimitada por ciertas
caractersticas, tales como: demogrficas, geogrficas, climatolgicas, biolgicas, ecolgicas,
sociales, proceso salud-enfermedad, condiciones de vida, modos de vida y estilos de vida. En
trminos de salud ocupacional las poblaciones blanco estaran dadas entre otras por tipo de
estructuras organizacionales, tipologas de composicin, y tipologas de organizaciones segn
riesgo.
Ejemplo 2.1.9 Los siguientes son ejemplos de poblacin diana:
Trabajadores en riesgo de sndrome metablico en el departamento del Atlntico.
Trabajadores en riesgo de enfermedades respiratorias ocupacionales en las minas de

carbn.
Definicin 2.1.10 La poblacin accesible es aquella que consta del conjunto de casos que
satisfacen criterios predeterminados pero que a la vez sean prcticos y accesibles para el
investigador.
Es importante para destacar en la poblacin accesible que se tenga existencia de registros,
acuerdo de colaboracin, zonas de poco riesgo para la salud y vida
De acuerdo a lo anterior es importante tener de referencia la siguiente caracterizacin:
Poblacin
diana
Pregunta
de
investigacin
Unidad de anlisis y
unidad
de
observacin
Poblacin
accesible
Poblacin
elegible
Criterios
inclusin
exclusin
Viabilidad y
accesibilidad
Pgina
19
Muestra
de
y
Calculo del tamao

de muestra y tipo
de muestreo

Definicin 2.1.11 La poblacin elegible es aquella que cumple los criterios de inclusin y
exclusin.
Definicin 2.1.12 La muestra es un subconjunto de la poblacin elegible.
Ejemplo 2.1.13 Suponga que se va a realizar un programa para mejorar la salud fsica de los
trabajadores con apoyo de la secretara de salud en las empresa productoras de baldosas del
departamento del Atlntico. Para esto se requiere seleccionar un equipo de trabajadores que
lideren actividades de ejercicio fsico que tiene el programa; para lo cual se genera el siguiente
marco muestral:
Poblacin diana: todos los trabajadores de las empresas de la lnea de baldosas en el
departamento del Atlntico.
Poblacin accesible: todos los trabajadores de las empresas consultadas que respondieron que
queran participar en el programa.
Poblacin elegible: los trabajadores de las empresas que cumplan siguientes criterios definidos
por el equipo de investigacin:
Criterios de inclusin:
Trabajadores con contrato fijo
Que tengan ms de un ao de trabajo
Con experiencia como capacitadores en esta rea
Criterios de exclusin:
Trabajadores en proceso de recuperacin luego de un accidente
Trabajadores con alguna discapacidad en las extremidades
Luego de estos pasos se realiza el clculo de tamao de muestra utilizando como referencia la
poblacin elegible.
Ejemplo 2.1.14 Determinar la ocurrencia de accidentes de trabajo en obreros del sector

construccin con turnos mayores a 8 horas/da del Centro Norte Histrico de la ciudad de
Barranquilla en el ao 2013.
Pgina
20

Poblacin diana: todos los obreros que laboran en el sector construccin del Centro Norte
Histrico de la ciudad de Barranquilla construccin con turnos mayores a 8 horas/da.
Poblacin accesible: todos los trabajadores del sector construccin con turnos mayores a 8
horas/da de las empresas consultadas del Centro Norte Histrico de la ciudad de Barranquilla
respondieron que queran participar en el estudio.
Poblacin elegible: los trabajadores de las empresas que cumplan siguientes criterios definidos
por el equipo de investigacin:
Criterios de inclusin:
Trabajadores con contrato fijo
Criterios de exclusin:
Trabajadores que tuvieron 4 o menos turnos en el semestres de estudio.
Pgina
21

2.1.3 Muestreo
Cuando se va a realizar un estudio o investigacin es importante tener en cuenta, entre otras
cosas, el nmero de individuos o elementos que garanticen la validez de los resultados, para tal
fin se hace necesario realizar un adecuado clculo del tamao de la muestra ya que sta ofrece
una serie de ventajas entre las que se encuentran:
Permite la realizacin del estudio porque de lo contrario fuese casi que imposible
llevarlo a cabo.
Permite la realizacin en un menor tiempo del estudio.
La inversin econmica es menor.
Posibilita profundizar en el anlisis de las variables.
Pueden seleccionarse de tal manera que se pueda reducir la heterogeneidad en la
poblacin.
Tipo de
muestreo
No
probabilstico
Probabilstico
Aleatorio
simple
Sistemtico
Conveniencia
Juicio
Estratificado
Conglomerado
Cuotas
Bola de nieve
Pgina
22

Se analizar la frmula para el clculo de muestra cuando la variable de inters sea una
proporcin con poblacin finita, para esto se tiene que:
Z pqN
N 1 e Z pq
2
n : Tamao de muestra
Donde :
Z : Nivel de confianza 1,96

2
p : Pr obalidad de ocurrencia
q : Pr obabilidad de fracaso
N : Tamao de la poblacin
e : Error de muestreo
Ejemplo 2.2.15 Una empresa se encuentra interesada en conocer la proporcin de trabajadores

que pueden estar a riesgos relacionados con sustancias txicas en contra de la salud de su piel,
para lo cual se desea estimar el tamao de la muestra necesario para llevar a cabo este estudio.
Se calcula el tamao de muestra teniendo en cuenta que la poblacin elegible son 284
trabajadores y se desconoce informacin a nivel local en relacin a la prevalencia de productos
txicos que hacen dao a la piel.
Se analizar la frmula para el clculo de muestra cuando la variable de inters sea la

media con poblacin finita, para esto se tiene que:
S N
n
N 1 e Z S
2
Donde :
n : Tamao de muestra
Z : Nivel de confianza 1,96
2
S : Estimacin de la var ianza poblacional

N : Tamao de la poblacin
e : Error de muestreo
Ejemplo 2.2.16 Se desea realizar un estudio sobre sndrome metablico en los trabajadores de
una empresa; en una primera etapa, se desea analizar los niveles de colesterol de aquellos
trabajadores entre los 20 y 30 aos, para lo cual se requiere calcular el tamao de la muestra. Se
conoce que la desviacin estndar es de 2,3 mg/ml, un tamao de poblacin de 3250
trabajadores y un error del 5%.
Pgina
23

Ejemplo 2.2.17 Supngase que se quiere realizar un estudio sobre la conformidad laboral en la
empresa OMEGAXX y se quiere controlar los resultados diseando estratas de acuerdo a la edad
de los trabajadores. A continuacin se presenta la tabla de edad de trabajadores. Asuma que
usted ya realiz el clculo del tamao muestral utilizando la frmula para variables cualitativas
cuyo resultado fue de 306 trabajadores. Complete la siguiente tabla:
Edad (aos)
19,5 - 24,5
24,5 - 29,5
29,5 - 34,5
34,5 - 39,5
39,5 - 44,5
Total
Universo
%
N
180
370
600
250
110
1510
Pgina
24
Muestra
ni
%
306

3.1 Presentacin de la informacin

La informacin recolectada luego que se puede presentar con tablas y grficos
Tablas univariada y su grfica
Ejemplo 3.1.1 Se realiz un estudio descriptivo en 48 empresas escogidas al azar para

clasificarla por tipo de riesgos. A continuacin se presenta un diagrama de barra simple.
X : Nivel de riesgo de 21 empresas escogidas al azar de la ciudad de barranquilla.

Nivel de
riesgo
frecuencia
Mnimo
Bajo
Medio
Alto
Mximo
Total
3
5
8
3
2
21
14,29
23,81
38,10
14,29
9,52
100
Pgina
25

Tabla bivariada y su grfica
Ejemplo 3.1.2 Retomando el ejemplo anterior, pero ahora se clasificarn por rea urbana o
rural.
Nivel de
riesgo
Mnimo
Bajo
Medio
Alto
Mximo
Total
rea
Urbana
Rural
3
5
8
3
2
21
2
3
8
10
11
34
Diagrama de dispersin
Ejemplo 3.1.3 Se pide establecer una grfica que muestre la correlacin entre el peso y la
talla de 10 trabajadores escogidos al azar de la empresa OMEGA XX.
talla(cm) peso(kg)
178
79
160
65
139
45
173
72
190
89
165
75
192
93
170
65
172
70
200
96
Pgina
26

Histogramas
Ejemplo 3.1.4 Consideremos que se seleccion una muestra de 20 trabajadores de la empresa

OMEGAXX con el objetivo de conocer cmo se comporta la variable peso (Kg). Para tal fin se
construye un histograma de frecuencias absolutas.
Pgina
27

Diagrama de Pareto Pocos vitales, de los muchos triviales
Ejemplo 3.1.5 A continuacin se presenta la tabla de frecuencia de errores pre-analticos

encontrados en un hospital de tercer nivel.
Errores Preanalticos
Coagulada
Hemolizada
Volumen inadecuado
Mal marcada
Sin marcar
Recipiente inadecuado
Otros
Total
fi
Fi
344
206
189
30
26
16
7
818
Pgina
28
%
42
25
23
4
3
2
1
100
acumulado
42
67
90
94
97
99
100

4.1 Medidas de frecuencia

Definicin 4.1.1 Una medida de frecuencia es la relacin que se establece entre variables
cuantitativas o cualitativas que permiten identificar la situacin o la tendencia de cambio
generada en el objeto o fenmeno observado, en relacin con los objetivos diseados.
Pgina
29

Objetivos
Definicin de
Indicadores
necesarios
Tipos de
Indicadores
Obtencin de
la informacin
Fuente de la
informacin
Datos
necesarios
Respecto a los indicadores

Para analizar los:
a. Se entiende como indicador, aquella medida estadstica asociada a una situacin especfica,
de la cual se hace necesario conocer su realidad. De esta manera el indicador, es un
elemento empleado para medir, teniendo en cuenta que este, se genera al establecer una
relacin entre datos que permitan identificar acciones de acuerdo a lo resultados
encontrados.
b. Segn la organizacin Internacional del trabajo, los indicadores de seguridad y salud en el
trabajo constituyen el marco para evaluar hasta qu punto se protege a los trabajadores de
los peligros y riesgos relacionados con el trabajo.
c. Es imprescindible, ante todo, poder contar con un programa de vigilancia epidemiolgica

ambiental que contemple un sistema coherente y eficaz de indicadores de salud ambiental,
entendidos stos, de manera general, como aquellos capaces de resumir y expresar
adecuadamente nexos existentes entre datos ambientales y de salud y presentarse de forma
que se facilite la interpretacin para una toma de decisiones eficiente. (Ibarra, Gonzlez y
Linares, 2001, p. 53)
Pgina
30

Cules son las ventajas de los indicadores?
Los indicadores permiten tomar decisiones y de esta manera realizar ajustes.

Sirven para mirar tendencias.
Los indicadores sirven para retroalimentar procesos, monitorear avances o ejecucin de
proyectos estratgicos relacionados con distintas reas entre otras la salud ocupacional.
Sirven para medir a la empresa entre otras a las organizaciones de salud en diferentes
dimensiones.
Para la construccin de un buen indicador es importante tener en cuenta que ste de cumplir
los siguientes requisitos y caractersticas:
Simplicidad: describe en forma completa el fenmeno o efecto, refleja la magnitud del

mismo y posibilidad de mostrar desviaciones.
Factibilidad: deben ser indicadores de fcil construccin que se tenga insumos para
construirlos.
Validez en el tiempo: se refiere a la necesidad de la continuidad de los indicadores, as

tendrn que ser reproducibles a travs de tiempo y en iguales condiciones.
Confiabilidad: las fuentes de donde se extraen deben ser confiables, por ejemplo, el rea
de salud ocupacional de una empresa tiene informacin integral de los trabajadores.
Auditabilidad: debe verificar que los indicadores sean correctos y no sesgados.
Conocimiento de los indicadores por parte de los trabajadores y usuarios en general:

plantea la importancia de la interaccin entre los usuarios y lo individuos en lo cual el
personal debe estar involucrado.
Ejemplo 4.1.2 Identifique las caractersticas de los siguientes indicadores:
Razn de mujeres trabajadoras versus hombres trabajadores.

Razn trabajadores LGBTI vs Unidades de atencin en Salud Ocupacional a dicha
poblacin.
Proporcin de mujeres embarazadas menores de 20 aos de estrato 3 en barranquilla.
Porcentaje de mujeres embarazadas menores de 20 aos de estrato 3 en barranquilla.
Pgina
31

IFAT
De frecuencia
# accidentes ocurridos en el perodo

K
#HHT en el mismo periodo
K 240000
100 trabajadores, 48h/s, 50 s/ao
Si hay 7 accidentes laborales en 350 trabajadores en un perodo de 6

meses, entonces:
IFAT
7
7
240000 =
240000 IFAT 4,16
(350)(24)(6)(8)
403200
Por cada 100 trabajadores programados de tiempo completo en el

perodo de 6 meses, hay 4,16 accidentes laborales
K 240000
# dias perdidos o cargados por accidentes en el perodo

IS
K
#HHT en el mismo periodo
100 trabajadores, 48h/s, 50 s/ao

Das cargados: % de prdida capacidad
laboral - Norma ANSI
De severidad
Indicadores
de
Resultado
o Impacto
Si hay 12 das cargados, debido a 7 accidentes laborales, en 350

trabajadores en un perodo de 6 meses, entonces:
IS
12
240000 IFAT 7,14
403200
Por cada 100 trabajadores programados de tiempo completo en el

perodo de 6 meses, hay 7,14 das perdidos
De lesiones
incapacitantes
ILI
#ndice de frecuencia ndice de severidad

1000
ILI
Se interpreta como medida global: <1 o >1

No tiene unidades
Se comparan entre mismos sectores
4,16 7,14
0, 029
1000
#Das perdidos por EG 8

1000
#HHT
E.G : enfermedad general
TAEG
Tasa de
ausentismo
por
enfermedad
general
Si hay 27 das perdidos por enfermedad general, en una empresa de 250

trabajadores en un perodo de 6 meses, entonces:
TAEG
27 8
1000
(250)(24)(6)(8)
27 8
1000 TAEG 0, 00075
288000
Por cada 1000 horas de trabajo se perdi menos de una en el periodo

estudiado
Pgina
32

Ejemplo 4.1.3 Se realiz el registro de los trabajadores de una empresa de acuerdo a su edad, a
continuacin se presenta la tabla
Edad
21,5 - 26,5
26,5 - 31,5
31,5 - 36,5
36,5 - 41,5
41,5 - 46,5
Total
SEXO
F
10
20
45
25
32
132
M
30
41
28
35
32
166
Total
40
61
73
60
64
298
Es importante tener claro que:
# de total de casos existentes en el momento t

k
Total de la poblacin estudiada en el momento t
# de casos nuevos de enfermedad
tasa de incidencia acumulada
durante un periodo de tiempo

total de la poblacin en riesgo al inicio del periodo de estudio
tasa de densidad de incidencia
# de casos nuevos
suma de todos los periodos en riesgo
.K
durante el periodo definido en el estudio tiempo persona

Ejemplo 4.1.4 Se representan 13 sujetos en observacin, durante cinco aos. Al inicio del estudio todos
los sujetos se encuentran sanos y todos ellos tienen el riesgo (son susceptibles) de contraer la
enfermedad. Se debe convenir que en la figura la X representa el inicio de la enfermedad o evento,
que la lnea gruesa representa el tiempo durante el cual el sujeto est enfermo, o estado y el cuadro
representa el momento que el sujeto sale del estudio porque muere. Haga un corte al final del primer
ao y halle:
a.
b.
c.
d.
La prevalencia al final del primer ao.

Incidencia acumulada al final del primer ao.
La prevalencia al final del cuarto ao.
La incidencia acumulada al final del cuarto ao.
Pgina
33

Ejemplo 4.1.5 En un estudio de enfermedades de la piel en personas con exposicin al cemento iniciado
en enero de 2011 en Cali con 1.000 hombres de 55 a 64 aos de edad y sin ninguna evidencia de
problemas de piel, los cuales fueron seguidos por 4 aos (hasta final de 2014). Al final de cada ao del
seguimiento cada participante fue examinado y testificado para piel con inicio de cambios tisulares.
El resultado del examen anual fue el siguiente:
Al final del primer ao fueron confirmados 10 casos de personas con inicios de cambios tisulares
en piel. Cuntos aos personas riesgos aportaron estas personas?
Al final del segundo ao se confirmaron 15 casos de personas con inicios de cambios tisulares en
piel. Cuntos aos han pasado antes de presentar el problema en la piel? Cuntos aos
personas riesgos aportaron estas personas?
Al final del tercer ao se confirmaron 20 casos de personas con inicios de cambios tisulares en
piel. Cuntos aos personas riesgos aportaron estas personas?
Al finalizar el cuarto ao se confirmaron 25 casos de personas con inicios de cambios tisulares en
piel. Cuntos aos personas riesgos aportaron estas personas?
Calcular la tasa de densidad de incidencia.
Pgina
34

Algunos ejemplos adicionales de indicadores:
Tasa de mortalidad anual:

# de total de muertes durante un ao de enero 1 al 31 de diciembre
Poblacin total en julio 1
Porcentaje:
# de programas de Salud Ocupacional ejecutados en una empresa
100%
Total de programas de Salud Ocupacional en la empresa
Tasa de prevalencia de sordera profesional:

# de casos de sordera profesional calificados por la ARP durante un periodo
k
# total de trabajadores expuestos a niveles de ruido por encima de los permitidos en ese perido
Tasa de incidencia acumulada de sordera profesional:

# de casos nuevos de sordera profesional calificados por la ARP durante un periodo
k
# total de trabajadores expuestos a niveles de ruido por encima de niveles permitidos en ese perido
Tasa de densidad de incidencia de sordera profesional:

# de casos de sordera profesional calificados por la ARP durante un periodo
k
Aos persona riesgo
Tasa de letalidad:
# de total de muertes por una enfermedad

k
Poblacin afectada por la enfermedad en un periodo determinado
Pgina
35

5.1 Medidas de tendencia central y variabilidad

5.1.1 Medidas de tendencia central
Hasta el momento se ha estudiado la organizacin de datos y su representacin por medio de
algunos tipos de grficos, pero es importante analizar de manera alternativa el comportamiento
de stos de acuerdo a determinadas tendencias que se puedan calcular para luego realizar su
respectivo anlisis; por sta razn se encuentran en estadstica las medidas de tendencia
central, las cuales nos ayudan al estudio un poco ms profundo de un conjunto de datos para
as tener elementos de juicio al momento de concluir y posteriormente poder tomar decisiones
o ayudar a tomarlas de acuerdo al caso que sea.
Definicin 5.1.1 Dados un conjunto de datos x1 , x2 ,..., xn se tiene que el valor de la media es:
n
x
i 1
Para especificar a la media poblacional se utilizar (parmetro) y para la media muestral x

(estadstico)
Definicin 5.1.2 Para un conjunto de datos que estn medidos en al menos una escala de
intervalo, la MEDIANA es el puntaje medio ordenado.
Definicin 5.1.3 LA MODA, cuando existe, es el dato con mayor frecuencia. Es importante tener
en cuenta que un conjunto de datos puede ser: unimodal, bimodal y multimodal.
Definicin 5.1.4 El RANGO MEDIO de un conjunto de datos es el promedio de las medidas
mayor y menor.
Definicin 5.1.5 LA MEDIA GEOMTRICA de un conjunto de datos x1 , x2 ,..., xn , todos positivos,
es: MG ( x1 , x2 ,..., xn )
Pgina
36

Ejemplo 5.1.6 Se reportan el nmero de accidentes laborales en la empresa OMEGA XX de los

ltimos cinco aos, al gerente le interesa, para efectos en los procesos de calidad saber si
durante estos aos han tenido, en promedio, accidentes superiores al 10% para evaluar as sus
estrategias de prevencin y seguridad.
Ao
2010
2011
2012
2013
2014
n de accidentes % de crecimiento
50
55
66
60
78
Pgina
37

5.1.2 Medidas de variabilidad

La variabilidad es un concepto cotidiano, fcil de manejar, se encuentra fcilmente su aplicacin
en distintas actividades del quehacer diario, por ejemplo: la variabilidad de la temperatura, el
tiempo en que nos demoramos en hacer una compra en el supermercado, lo fro de una bebida,
el tiempo de duracin de una persona en un cajero de banco, pagando una compran; en fin,
estos son algunos de las situaciones que se pueden encontrar para ejemplificar este concepto.
Los datos que se representan en la tabla muestran el promedio de accidentes laborales en siete
reas diferentes de dos empresas carboneras en el ltimo semestre.
Empresa A
Empresa B
3,45
3,4
3,11
2,75
3,25
3,19
3,6
3,97
3,41
3,59
3,38
3,38
3,25
3,17
Al realizar un pequeo grfico de dispersin se puede notar que la distribucin de datos del
segundo conjunto est ms dispersa que la distribucin de datos del primer conjunto. Es as
como se puede decir, que una medida de centralizacin en la mayora de veces no es suficiente
para analizar las caractersticas de un conjunto de datos, por tal motivo se hacen necesarias las
medidas de dispersin o variacin de los datos para completar el anlisis de la distribucin de
datos.
Definicin 5.1.7 Se define El RANGO de un conjunto de datos numricos, como la diferencia

entre el dato ms alto y el dato ms bajo.
Definicin 5.1.8 Se define El RANGO INTERCUANTIL, como la diferencia entre el tercer cuartil y
primer cuartil simbolizado por R.I, es decir: R.I Q3 Q1
Definicin 5.1.9 Se define LA DESVIACIN de un dato se define como la diferencia entre el dato
y la media del conjunto de datos. Es decir: la desviacin del dato xi xi x
Pgina
38

Teorema 5.1.10 La suma de las desviaciones de los valores para cualquier conjunto de nmeros
x1 ,..., xn es igual a cero.
Definicin 5.1.11 LA VARIANZA DE UNA POBLACIN de valores x1 ,..., xn , se define como el

promedio de los cuadrados de las desviaciones de los valores, y se denota 2 , la cual est dada
x1 x2
2
por: 2
... xn
La DESVIACIN ESTNDAR POBLACIONAL de un conjunto de datos, denotada por , se define

como la raz cuadrada de la varianza poblacional de datos.
Definicin 5.1.12 La VARIANZA DE UNA MUESTRA con valores x1 ,..., xn se denota por s 2 y se
x x x
define por: s 2
x ... xn x
n 1
La DESVIACIN ESTNDAR MUESTRAL de un conjunto de datos, denotada por s , se define

como la raz cuadrada de la varianza muestral de datos.
Pgina
39

5.2 Medidas de posicin relativa

Definicin 5.2.1 UNA MEDIDA DE POSICIN RELATIVA en una distribucin de frecuencias es el
valor para el cual una parte de la distribucin queda en o debajo de este.
Entre estas medidas se encuentran los percentiles, deciles, cuartiles y quintiles.
Definicin 5.2.2 EL P-SIMO PERCENTIL, es un valor para el cual p% de los datos tiene mximo
dicho valor.
Pasos que se deben tener presente para calcular el p-simo percentil:
a. Ordenar los datos de manera ascendente
b. Se calcula el ndice i np
siendo p el percentil de inters y n la cantidad de datos
100
c. Se dice que:
Si el ndice es no es entero se redondea al siguiente entero.
Si el ndice es entero se promedian los valores de las posiciones i, i 1
Definicin 5.2.3 LOS DECILES son una medida de posicin relativa que corresponde a un
conjunto de datos ordenados, ascendentemente, divididos en diez partes iguales.
Definicin 5.2.4 LOS CUARTILES son una medida de posicin relativa que corresponde a un
conjunto de datos ordenados, ascendentemente, divididos en cuatro partes iguales.
Ejemplo 5.2.5 Para el siguiente conjunto de datos:
2,45
2,25
2,36
2,56
2,48
2,67
2,54
Calcular e interpretar:
a. Percentil 25.
b. Segundo cuartil, que equivale al percentil 50.
c. Tercer cuartil, que corresponde al percentil 75.
Pgina
40
2,78
2,98
2,72
2,32
2,78

Teorema 5.2.6 Para las poblaciones que tengan forma acampanada:

a. Aproximadamente el 68% de los valores de la poblacin se encuentran a una distancia
de la media menor a una desviacin
estndar
Normal
Probabilidad = 0,682691
0,4
Media,Desv. Est.
0,1
densidad
0,3
0,2
68% de
Los
datos
0,1
0
-5
-3
-1
b. Un poco ms del 95% de los valores de la poblacin estn a una distancia de la media
menor que dos veces la desviacin tpica.
Normal
Probabilidad = 0,9545
0,4
Media,Desv. Est.
0,1
densidad
0,3
0,2
95% de
Los datos
0,1
0
-5
-3
-1
1
x
Pgina
41

Definicin 5.2.7 El coeficiente de variacin de Pearson de un conjunto de datos se define como:
CV
desviacin estndar de los datos .100%

media aritmtica de los datos
Ejemplo 5.2.8 A continuacin se presentan los datos de los pesos y estaturas de los primeros 10
nios registrados por el mdico de un colegio de la ciudad luego de realizado el examen de
ingreso a la institucin educativa. Cul de estos dos conjuntos de datos presenta mayor
variabilidad?
Estatura (cm)
Peso (Kg)
160
55
159
62
172
70
160
58
175
73
170
70
178
75
160
59
162
60
171
70
Definicin 5.2.9 Se define EL COEFICIENTE DE ASIMETRA DE PEARSON, para un conjunto de

datos x1 , x2 ,..., xn como:
Ap
Media aritmtica Moda

Desviacin estndar
Es importante tener presente que el coeficiente de asimetra de Pearson tan slo es aplicable
en las distribuciones acampanadas y unimodales, en distribuciones de otro tipo otros se utiliza
el coeficiente de asimetra de fisher y de fisher estandarizado .
Pgina
42

De acuerdo al signo del coeficiente se concluye que, s:
Ap 0 , se dice que la distribucin es simtrica

Normal
0,4
Media,Desv . Est.
0,1
densidad
0,3
0,2
0,1
0
-5
-3
-1
Ap 0 se dice que la distribucin es sesgada positivamente o a la derecha.

Chi-Cuadrada
0,1
G. L.
10
densidad
0,08
0,06
0,04
0,02
0
0
20
x
30
40
Ap 0 se dice que la distribucin es sesgada negativamente o a la izquierda

Valor Extremo Ms Chico
0,08
Moda,Escala
10,5
0,06
densidad
10
0,04
0,02
0
-15
-5
5
x
Pgina
43
15
25

5.3 Anlisis para datos agrupados

5.3.1 Para datos agrupados
Elaboracin de tablas de frecuencias agrupadas para datos continuos. Para este caso se
ampliar el cuadro de simbologas as:
fi
Fi
hi
Hi
Yi 1 Yi
N
m
c
Yi
frecuencia absoluta
frecuencia absoluta acumulada
frecuencia relativa
frecuencia relativa acumulada
Valores que toma la variable continua en el intervalo
nmero total de datos
nmero de intervalos en la variable continua
amplitud del intervalo
Marca de clase
Ejemplo 5.3.1 Consideremos que se seleccion una muestra de 20 trabajadores de una empresa
fin de conocer su peso en kilos.
74
82
67
55
94
65
70
88
69
52
61
58
71
76
79
57
47
72
85
66
(Ejemplo Tomado del libro Estadstica Descriptiva de Humberto LLins).Para realizar la tabla de
frecuencias para datos continuos es importante tener presente los siguientes 4 pasos:
xmx xmn , es decir, 94 47 47
1.
Recorrido o rango.
2.
El valor m 1 3,3log 20 5, 29 6 , tendremos entonces 6 intervalos para esta

distribucin.
3.
4.
Rango
47
, al reemplazar los respectivos valores se tiene que C
7,83 . Esta
m
6
cantidad siempre se aproxima por exceso; es decir C 8 .
C
Como la unidad de medida es 1, entonces, se toma en punto medio de la unidad de

medida para generar la primera frontera de clase y a partir de ah se suma el rango.
Pgina
44

La tabla de frecuencias agrupada es:
Al tener un conjunto de datos agrupados se tiene que la media y varianza muestral para dichos
valores estn determinado por:
xa
sa 2
fY
i i
Y x f
i
n 1
Ejemplo 5.3.2 Tomando los datos del ejemplo 5.1.6, se tiene que:
Intervalos
fi
Fi
Yi
f i Yi
46,5 - 54,5
54,5 - 62,5
62,5 - 70,5
70,5 - 78,5
78,5 - 86,5
86,5 - 94,5
Total
2
4
5
4
3
2
20
2
6
11
15
18
20
50,5
58,5
66,5
74,5
82,5
90,5
101
234
333
298
248
181
1394
Por tanto se tiene que:
xa
1394kg
69, 7kg
20
Pgina
45
s2
Y x
i
fi
737,3
501,8
51,2
92,2
491,5
865,3
2739,20
2739, 2kg 2
11, 70kg
20

Para el clculo de los cuartiles en datos agrupados, se tiene que:

1. Se ubica la clase o intervalo donde se encuentre el cuartil solicitado
2. Para realizar la ubicacin se procede as:
n
a. Primer cuartil:
4
n
b. Segundo cuartil o mediana:
2
3n
c. Tercer cuartil:
4
El resultado de dicha operacin se ubica en la tabla de frecuencias acumuladas y se
identifica el intervalo de inters.
3. Se aplica las frmulas.
n
(buscar en Fi ) F anterior donde est Q1'
a. Q1 lim Inf clase donde est Q1' 4
* Amplitud
f donde est Q1'
b.
n
'
Q2 lim Inf clase donde est Q2 2
* Amplitud
f donde est Q2'
c.
3n
'
4
Q3 lim Inf clase donde est Q3
* Amplitud
f donde est Q3'
Pgina
46

Pgina
47

6.1 Correlacin lineal

Al momento de realizar anlisis de dos variables cuantitativas continuas, es posible que se
sospeche de una relacin lineal entre estas. Por ejemplo:
Edad y presin sangunea

Estatura y peso
El nivel de consumo de azcar y el aumento de peso
Pero qu tan relacionadas linealmente estn dichas variables? y qu tipo de la relacin lineal
es? Son un par de preguntas que nos ayuda a responder el coeficiente de correlacin de
Pearson.
Definicin 6.1.1 El coeficiente de correlacin de Pearson entre las variables aleatorias continuas
X e Y se define como:
Donde
xy
x y
2
xX X
y Y Y
El coeficiente de correlacin de Pearson describe la fuerza de la relacin lineal entre dos

variables en al menos escala de intervalo y adems es:
Adimensional
Toma valores en el intervalo 1,1
La correlacin es perfecta para r 1
Ejemplo 6.1.2 A continuacin se muestran los datos del peso (kg) y estatura (cm) de 8
trabajadores de una empresa de la ciudad.
Y (kg) 90
X (cm) 185
85
190
75
172
60
165
68
170
60
164
Pgina
48
86
183
61
163
74
177
58
160
74
171
70
165

Teniendo en cuenta que r
Estatuta
Estatuta
Peso
1
0,93868107
xy
, con
x y
2
Peso
1
Pgina
49
x xi X
y y yi Y

Pgina
50

6.2 Regresin lineal Simple

El anlisis de regresin lineal es una tcnica que se utiliza para expresar la relacin lineal entre
dos variables, una dependiente y otra independiente por medio de una lnea recta.
El modelo que se utilizar para establecer la asociacin lineal entre dichas variables es:
Y 0 1 X
Donde
X : variable independiente
0 : ordena en el origen
1 : pendiente
: error aleatorio
con Y Y
De manera ideal se espera que el error aleatorio se cero, por tanto se tomar para nuestros clculo el
modelo Y 0 1 X
Con
Y X 2 X XY
N X 2 X
N XY X Y
N X 2 X
En general el problema de regresin lineal simple se enfoca en estimar la mejor a una muestra
aleatoria de n pares de datos x1 , y1 , x2 , y2 , x3 , y3 ,..., xn , yn , teniendo en cuenta que dichos
valores sean obtenidos de la medicin de dos variables a un mismo sujeto. Ahora bien, para
realizar este proceso es indispensable que se tenga un supuesto de relacin lineal entre las
variables en cuestin, por tanto, sea hace importante realizar un grfico de dispersin y verificar
el comportamiento de los datos.
Pgina
51

Ejemplo 6.2.1 Teniendo en cuenta la situacin planteada en el ejercicio 6.1.2, se genera el

siguiente diagrama de dispersin:
100
Peso(Kg)
80
60
y = 1,0663x - 111,74
R = 0,8811
40
20
0
155
160
165
170
175
180
185
190
195
Altura(cm)
Luego de haber realizado el diagrama de dispersin, se evidencia que existe una tendencia lineal en los
puntos, lo cual nos indica que es posible establecer una ecuacin predictora para la variable
independiente, por tanto se procede a calcular los dos coeficientes, dando como resultado:
0 111,73 y 1 1,066 , con lo que el modelo quedara Y 111,73 1,066 X
Definicin 6.2.2 El coeficiente de determinacin se define como el cuadrado del coeficiente de

2
correlacin de Pearson, es decir: rd r
El coeficiente de determinacin quiere decir la proporcin de variacin de la respuesta Y que

est explicada por la regresin, es decir, por la variable dependiente.
2
De acuerdo al ejemplo anterior se tiene que r 0,9386 , por tanto r 0,9387 , por tanto el
2
modelo que se gener explica el 88,11% de la variacin en la variable dependiente Y a partir

de la variable independiente X y el 11,89% restante es explicado por otro tipo de factores.
Pgina
52

Ejemplo 6.2.4 A continuacin se presenta el diagrama de dispersin de los datos de 12 personas

que realizaron un salto horizontal, el cual fue medido en centmetros.
Longitud
200
195
185
177
175
174
170
163
160
158
155
150
y = -0,366x + 219,36
R = 0,9423
210
200
Longitud (cm)
Peso
70
80
88
105
110
120
130
145
160
180
170
200
190
180
170
160
150
140
40
60
80
100
120
140
160
180
200
Peso (Kg)
Qu se puede concluir?
Definicin 6.2.3 A continuacin se presenta los datos de un grupo de trabajadores escogidos al

azar en la empresa OMEGA XX, con el objetivo de indagar sobre la posible relacin que hay
entre la edad y la presin sistlica, en adultos que aparentan encontrarse en buenas
condiciones de salud.
Edad
Pres in
s is tlica
20
43
63
26
53
31
58
46
58
70
46
53
70
120
128
141
126
134
128
136
132
140
144
128
136
146
1. Cul es el coeficiente de correlacin de Pearson?

2. Cul es la ecuacin de regresin?
3. Qu porcentaje de la variabilidad de Y explica dicha ecuacin?
4. Qu conclusin se puede dar al respecto de lo encontrado?
Pgina
53

7.1 Probabilidad
7.1.1 Conceptos bsicos de probabilidad
Definicin 7.1.1 Un experimento es un proceso que genera observaciones.
Definicin 7.1.2 Un experimento se denomina determinstico cuando al realizarse bajo las
mismas condiciones genera los mismos resultados.
Definicin 7.1.3 Un experimento se denomina aleatorio cuando realizado bajo las mismas
condiciones genera resultados diferentes.
Definicin 7.1.4 El conjunto de todos los resultados posibles de un experimento aleatorio se
denomina ESPACIO MUESTRAL. Adems cualquier subconjunto de un espacio muestral se llama
evento.
Ejemplo 7.1.5 Determine el espacio muestral del experimento aleatorio del lanzamiento de un
dado.
Definicin 7.1.6 Si A es un evento que pueden ocurrir de h maneras diferentes, todas
igualmente factibles, de un total de N , entonces la probabilidad de que ocurra el evento es:
h
P A
N
Teorema 7.1.7 Para eventos A, B, C de un espacio muestral se tiene que:
a. P 0
b. Si
los
eventos
A, B, C
son
P A B C P A P B P C
c.
P A ' 1 P A
d. 0 P A 1
e. P A B P A P B P A B
Pgina
54
mutuamente
excluyentes,
entonces

Ejemplo 7.1.8 De un grupo de 50 estudiantes que finaliz a un proceso de capacitacin, se

conoce que el nmero de aquellos que aprobaron el test de conocimiento sobre riesgo
ergonmico es de 20 , los que aprobaron otro sobre riesgo cardiovascular de 23 y los que
aprobaron ambos de 9 . Cul es la probabilidad de que un estudiante escogido al azar:
a. No haya aprobado el test sobre riesgo ergonmico.
b. Haya aprobado al menos uno de stos test.
Ejemplo 7.1.9 A continuacin se muestra la frecuencia de accidentes laborales de una empresa

escogida al azar de una de las ciudades de la costa norte de Colombia durante ao 2014.
Frecuencia
masculino (M) femenino(F)
Total
1 - 5 veces
12
11
23
6 - 10 veces
13
11 + veces
Total
24
20
44
Cul es la probabilidad de que al escoger un trabajador de sta empresa:

a. Sea Hombre
b. Haya tenido entre 6 y 10 accidentes
c. Haya tenido 11 o ms accidentes.
Pgina
55

7.1.2 Probabilidades condicionales

Definicin 7.1.10 Sean A y B dos eventos de un espacio muestral . La probabilidad
condicional del evento A dado el evento B, simbolizada por P A / B , se define como:
P A / B
P A B
,
P B
si P B 0
Ejemplo 7.1.11 Supngase que se tiene los datos de los empleados de una empresa, as:
Hombre
Mujer
Casado
34
56
90
Soltero
45
46
91
79
102
181
Si un individuo se escoge al azar, cul es la probabilidad de que:

a. Si se escogi del grupo de mujeres, sea casada
b. Si se escogi del grupo de hombres sea soltero
Ejemplo 7.1.12 Retomando la informacin de la tabla del ejemplo 7.1.9, responda:
a. Cul es la probabilidad de escoger un hombre sabiendo que ha tenido entre 1 y 5
accidentes laborales?
b. Si se escoge un individuo al azar y se conoce que es mujer, cul es la probabilidad de que
haya tenido 11 o ms accidentes laborales?
Ejemplo 7.1.13 Resolver:
1. En una construccin la probabilidad de que una persona, que al menos tenga 25 aos y
utilice protectores nasales de 0,6; que sea menor de 25 aos y no utilice protectores nasales
es de 0,12; y la probabilidad de que un trabajador tenga al menos 25 aos es de 0,7.
Encuentre la probabilidad de que al escoger un trabajador al azar:
a. Utilice los protectores nasales dado que es mayor o igual de 25 aos.
b. Que se menor a 25 aos, sabiendo que no usa protectores nasales.
Pgina
56

2. En una empresa realiz una encuesta a 2500 personas de diferentes empresas de la ciudad,
para saber la audiencia que haba tenido un programa de formacin en seguridad industrial
trasmitido y otro de ejercicios para mejorar las pausas activas durante la jornada laboral, los
cuales se trasmitieron en horarios diferentes. 2 100 vieron el programa de formacin en
seguridad industrial, 1 500 vieron el de ejercicios para mejorar las pausas activas y 350 no
vieron ninguno de los dos programas. Si elegimos al azar a uno de los encuestados:
a. Cul es la probabilidad de que vieran los dos programas?
b. Cul es la probabilidad de que viera el de S.I., sabiendo que no vio de P.A.?
c. Sabiendo que vio S.I., cul es la probabilidad de que viera el P.A.?
Pgina
57

7.1.3 Teorema de la Probabilidad total

Teorema de la probabilidad total 7.1.14 Si los eventos A1 ,..., A2 forman parte de un espacio
muestral y si P Ai 0 para todo i 1,..., n entonces para cada evento B de se tiene
que:
P B P B / A1 P A1 P B / A2 P A2 ... P B / An P An
, es decir
P B P A1 B P A2 B P A3 B ... P An B
Ejemplo 7.1.15 Retomando la tabla de datos del ejemplo 6.1.8, calcule:

a. La probabilidad de escoger un hombre.
b. La probabilidad de escoger una mujer.

a. La probabilidad de que un empleado de una empresa de la costa norte Colombiana escogida
al azar no aplique las medidas de prevencin de accidentes laborales es del 10%. El 95% de
los que aplicaron medidas preventivas no se accidentaron. De hecho, 60% de los que no
aplicaron las normas no se accidentaron. Cul es la probabilidad de que un trabajador
escogido al azar de sta empresa se accidente.
b. Se conoce que en una empresa de diseo grfico los creativos consumen dos tipos de
bebidas energizantes, A y B, para mejorar su rendimiento laboral. El 68% de los creativos
consume la bebida A; adems, se conoce que el 75% de las que toman dicha bebida tienen
un mejor rendimiento. El 18% de los que consumen la bebida B mejora su rendimiento.
Cul es la probabilidad que el rendimiento laboral de los creativos de esta empresa mejore
gracias a este tipo de bebida?
Pgina
58

7.1.4 Teorema de Bayes

En el campo de las ciencias de la salud la aplicacin de la probabilidad es relevante en distintos
mbitos del ejercicio cotidiano, entre los cuales se puede encontrar, el inters de un mdico en
predecir la presencia o ausencia de una determinada enfermedad a partir de los resultados que
pueda tener de una prueba, se sta positiva o negativa; tambin, de acuerdo a si tiene o no los
sntomas de una enfermedad. Es vlido tener en cuenta que en las pruebas que se realizan no
siempre se tiene resultados de confiar, por lo tanto se pueden presentar: falso negativo o falso
positivo
Para realizar las estimaciones que se analizarn a continuacin es necesario tener presente la
siguiente tabla:
Emfermedad
Resultado de
Enfermo (E) No enfermo (E)
la prueba
Positivo (P)
a
b
Negativo(P)
c
d
Total
a+c
b+d
Total
a+b
c+d
n
Definicin 7.1.17 La sensibilidad de una prueba es la probabilidad de un resultado positivo de la

prueba dada la presencia de la enfermedad. (Verdaderos enfermos)
Para estimar el valor de la sensibilidad, se aplica: P P / E
PP E
PE
Definicin 7.1.18 La especificidad de una prueba es la probabilidad de un resultado negativo de

la prueba dada la ausencia de la enfermedad. (Verdaderos sanos)
Para estimar el valor de la especificidad, se aplica: P P/ E
P P E
P E
Luego de identificar stas probabilidades condicionales, se muestra la aplicacin del teorema

de Bayes en las ciencias de la salud, establecindose una relacin entre ciertas probabilidades
condicionales establecidas en una tabla 2 x 2.
Pgina
59


a. Se realiz una biopsia a 1100 hombres quienes evidenciaban sintomatologa asociada al
cncer de prstata, de estos, 890 dieron positivo en dicho examen y 210 dieron negativo,
finalizado el proceso se confirm que realmente 640 hombres tenan cncer de prstata y la
prueba tuvo 40 resultados falsos negativos. Calcular la sensibilidad y la especificidad de la
prueba.
b. A continuacin se obtiene los resultados de aplicar una prueba diagnstica para el cncer de
cuello uterino en mujeres mayores de 30 aos. Calcular la sensibilidad y la especificidad de
la prueba.
Diagnstico de cncer
Resultado
de la
prueba
Positivo (P)
Negativo(P)
Total
S (E)
No (E)
Total
450
150
600
60
1100
1160
510
1250
1760
Definicin 7.1.20 El valor que predice la positividad de una prueba de deteccin, es la

probabilidad de que un individuo tenga la enfermedad, dado que el individuo presente un
resultado positivo en la prueba de deteccin.
Para estimar el valor de la positividad, se aplica el teorema de Bayes as:
P E / P
PP / E PE
P P / E P E P P / E P E
Pgina
60

Definicin 7.1.21 El valor que predice la negatividad de una prueba de deteccin, es la

probabilidad de que un individuo no tenga la enfermedad, dado que el individuo presente un
resultado negativo en la prueba de deteccin.
Para estimar el valor de la negatividad, se aplica el teorema de Bayes as:
P E/ P
P P/ E P E
P P/ E P E P P/ E P E
Ejemplo 7.1.22 Uno de los objetivos de un grupo de investigacin es evaluar la prueba de

deteccin propuesta para un posible cncer de cuello uterino, dicha prueba se basa en una
muestra aleatoria de 350 enfermas y en otra muestra independiente de 400 pacientes que no
presentan sntomas de la enfermedad. Las dos muestras se obtuvieron de una poblacin de
mujeres entre 35 y 50 aos. Los resultados son:
Diagnstico de cncer
Resultado
de la
prueba
Positivo (P)
Negativo(P)
Total
S (E)
No (E)
Total
326
24
350
15
485
500
341
509
850
De acuerdo a stos resultados, estime:

a. Sensibilidad y especificidad de la prueba.
Si la prevalencia de la enfermedad es P E 0,15 , calcular:
c. La positividad y negatividad de la prueba.
Teniendo en cuenta la siguiente tabla, se definen otros conceptos que apoyan el anlisis de
una prueba tamiz
Pgina
61

Para tener en cuenta:

Emfermedad
Resultado de
Enfermo (E) No enfermo (E)
la prueba
Positivo (P)
a
b
Negativo(P)
c
d
Total
a+c
b+d
a : verdadero positivo; b : falso positivo

c : falso negativo; d : verdadero negativo
Sensibilidad de la prueba :
a
ac
Especificidad de la prueba :
d
bd
Valor predictivo positivo de la prueba :
a
ab
Valor predictivo negativo de la prueba :
d
cd
Del ejemplo 7.1.22 Calcular las medidas anteriores.
Pgina
62
Total
a+b
c+d
n

8.1 Distribucin normal

8.1.1 La distribucin normal
Definicin 8.1.1 Una variable aleatoria tiene una distribucin normal con parmetros
y 2 0 si y slo si su densidad de probabilidad est dada por:

x
x; , f x
2 2
, para x
Y la funcin de distribucin acumulada es: t ; , F t P X t
x; , dx
Normal
0,16
Media,Desv. Est.
25,2,5
densidad
0,12
0,08
0,04
0
12
17
22
27
x
Normal
32
37
42
Media,Desv . Est.
probabilidad acumulada
25,2,5
0,8
0,6
0,4
0,2
0
12
17
22
27
32
37
Algunos comportamientos de acuerdo a los valores de los parmetros:
Pgina
63
42

a. 1 2 ; 1 2
Normal
0,06
Media,Desv. Est.
88,5,7,3
50,5,7,3
densidad
0,05
0,04
0,03
0,02
0,01
0
0
30
60
90
120
150
x
Normal
1 2 ; 1 2
0,06
Media,Desv. Est.
88,5,7,3
88,5,17,3
densidad
0,05
0,04
0,03
0,02
0,01
0
0
30
60
90
x
120
150
180
Normal
1 2 ; 1 2
0,06
Media,Desv. Est.
88,5,17,3
68,5,7,3
densidad
0,05
0,04
0,03
0,02
0,01
0
0
30
60
Pgina
64
90
x
120
150
180

La distribucin normal estndar

Esta nueva distribucin se obtiene luego de realizar un proceso llamado estandarizacin a una
variable aleatoria X con y 2 de donde se obtiene una variable Z , la cual tiene unos
valores especficos para la media y la varianza, los cuales son 0 y 1 respectivamente. Es as,
como:
Z
, de donde se tiene que E Z 0 y V Z 1

Normal
0,4
Media,Desv. Est.
0,1
densidad
0,3
0,2
0,1
0
-5
-3
-1
Normal
Media,Desv . Est.
probabilidad acumulada
0,1
0,8
0,6
0,4
0,2
0
-5
-3
-1
Definicin 8.1.2 Una variable aleatoria tiene una distribucin normal estndar si y slo si tiene
una distribucin normal con esperanza 0 y varianza 1.
Pgina
65

Las notaciones para la distribucin normal estndar que se utilizarn sern:

a. z z;0,1
b.
t t;0,1
Adems es importante que se tenga en cuenta que:

a. z z , es decir, existe una simetra respecto a cero
b. t 1 t
c. Para todo a , b real se tiene que:
a
P X a P Z

a
P X a 1 P X a 1
b
a
b a
P X a P
Z

Pgina
66

Obsrvese las caractersticas de las siguientes Distribuciones normales
Normal
0,4
Media,Desv. Est.
-25,0,2,5
0,1
25,2,5
densidad
0,3
0,2
0,1
0
-38
-18
2
x
22
42
Ejemplo 8.1.3 Si X es una variable normal con media 70 y desviacin estndar 15, calcule las
siguientes probabilidades:
a. P X 90
b. P X 80
c.
P 55 X 95
Ejemplo 8.1.4 La estatura de una poblacin 572 de personas sigue una distribucin
aproximadamente normal con media 70 pulgadas y una desviacin estndar de 3 pulgadas. Cul
es la probabilidad de que una persona seleccionada al azar de ste grupo:
a. Tenga una estatura entre 65 y 74 pulgadas.
b. Mayor que 70 pulgadas.
Ejemplo 8.1.5 De acuerdo al ejemplo anterior, cuntas personas aproximadamente tendrn

una estatura de al menos 73 pulgadas?
Pgina
67

Ejemplo 8.1.6 La medida del peso de 500 estudiantes en una universidad es de 151 libras y la
desviacin tpica de 15 libras. Suponiendo que los pesos se distribuyen normalmente, hallar
cuntos estudiantes pesan:
a. Entre 120 y 155 libras.
b. Ms de 165 libras.
Ejemplo 8.1.7 En una distribucin normal que tiene una desviacin estndar de 2, la
probabilidad de que el valor de la variable, elegida al azar, sea menor que 28, es 0,03. Cul es
el valor de la media?
Pgina
68

9.1 Medidas de efecto

Definicin 9.1.1 El estudio por observacin es una investigacin cientfica en la que no es
posible manipular de ninguna forma individuos o variables.
Definicin 9.1.2 El trmino factor de riesgo se utiliza para designar a la variable que se
considera est relacionada con alguna variable resultado.
estudios prospectivo RR
Tipos de estudios por observacin
estudio retrospectivo OR
Definicin 9.1.3 El estudio prospectivo es un estudio donde se seleccionan dos muestras

aleatorias de individuos, una de las cuales tiene el factor de riesgo y la otra no posee el factor de
riesgo, las cuales se estudian a travs de un tiempo para observar la presencia del evento de
inters planteado por el investigador.
Para realizar la clasificacin de la muestra obtenida, se tiene en cuenta que la variable

dependiente y el factor de riesgo estn definidos en dos niveles, para establecerse as en una
tabla de contingencia 2x2, de la siguiente manera:
Estudios de cohorte
Estado de la enfermedad
Factor de riesgo
Presente
Ausente
Total en riesgo
Presente
a+b
Ausente
c+d
a+c
b+d
Total
Pgina
69

Definicin 9.1.4 El riesgo relativo es la relacin del riesgo de desarrollar la enfermedad entre los
individuos con el factor de riesgo respecto al riesgo de desarrollar la enfermedad entre los
individuos sin el factor de riesgo.
Es vlido resaltar que para establecer sta medida se debe tener en cuenta:
Dos muestras de individuos libres de la enfermedad, una de las cuales posee el factor
de riesgo.
Son seguidas durante un periodo de tiempo para observar la frecuencia de aparicin del
fenmeno de inters.
Se estable un cociente entre la incidencia del fenmeno a los expuestos, respecto a la

a
a b
Ie
incidencia del fenmeno de los no expuestos, lo que es: RR
c
Ie
c d
Para el anlisis se tiene en cuenta que:
Si el valor de 0 RR 1 entonces el factor analizado se convertira en un factor protector
Si RR 1 , indica que el riesgo de adquirir la enfermedad es la misma para aquellos

individuos con el factor de riesgo que para aquellos sin el factor de riesgo.
Si RR k , con k 1 indica que el riesgo de adquirir la enfermedad es k veces mayor

entre los individuos con el factor de riesgo frente a los individuos sin el factor de riesgo.

a. Se realiz un seguimiento durante seis meses a dos grupos de trabajadores de una
empresa de la Costa Norte Colombiana. Uno de los grupos utilizaba elementos de
proteccin para su trabajo y el otro grupo no. Identificndose en este tiempo las lesiones
que sufrieron en su ejercicio laboral.
Pgina
70

Individuos con y sin el factor de riesgo que se lesionaron luego

de los primeros ocho meses de trabajo
Factor de
riesgo
Presente
Ausente
Totalen riesgo
Presente
40
42
Ausente
Total
43
50
Calcule e interprtese el RR para este conjunto de datos.

b. Se realiza un estudio de seguimiento en el cual 845 mujeres estuvieron pasivamente expuestas al
humo del tabaco durante la gestacin y 1590 no lo estuvieron, y su asociacin con el bajo peso al
nacer de sus hijos.
Recin nacido con bajo peso

Expuesta al
tabaco
pasivamente
s
no
Total
S (E)
No (E)
Total
20
14
34
825
1576
2401
845
1590
2435
Calcule e interprtese el RR para este conjunto de datos.

Definicin 9.1.6 El estudio retrospectivo es aquel en el que se seleccionan muestras que caen
dentro de la variable resultado, analizando en el pasado cules tiene (o tuvieron) y cules no
tiene (o no tuvieron) el factor de riesgo.
Para realizar la clasificacin de la muestra obtenida, se tiene en cuenta que la variable
dependiente y el factor de riesgo estn definidos en dos niveles, para establecerse as en una
tabla de contingencia 2x2, de la siguiente manera:
Casos y Control
Muestra
Factor de
riesgo
Casos
Control
Total
Presente
a+b
Ausente
c+d
a+c
b+d
Total
Pgina
71

Estado de la enfermedad
Descriptivos-Transversales
Factor de riesgo
Presente
Ausente
Total en riesgo
Presente
a+b
Ausente
c+d
a+c
b+d
Total
Definicin 9.1.7 La estimacin de la razn de los grados de probabilidad para la poblacin es:
ad
OR b
, donde a, b, c y d se definen como en la tabla anterior
c
bc
d
Para el anlisis se tiene en cuenta que:
Si el valor de 0 OR 1 entonces el factor analizado se convertira en un factor protector
Si OR 1, indica que la probabilidad de adquirir la enfermedad es la misma para los

casos con el factor de exposicin que para los controles con el factor de exposicin.
Si OR
odds de exposicin en casos

k
odds de exposicin en controles
Con k 1 indica que la probabilidad de los sujetos enfermos de tener presente el factor
de exposicin es k veces mayor frente a los sanos o controles que tienen el factor de
exposicin.
Con k 1 indica que la probabilidad de los sujetos enfermos de tienen k veces ms
posibilidad de presentar el factor de riesgo, cuando se les compara con aquellos que no
lo estn.
Si OR k , con k 1 indica que la exposicin juega un papel de proteccin.
Pgina
72


a. Se realiz un estudio en una empresa Metalmecnica en el Departamento del Atlntico de
tipo casos y controles. Considerando como casos aquellos trabajadores con alta
predisposicin al sndrome metablico y como factor de riesgo principal la dieta no
balanceada. Se encontraron los siguientes resultados:
Muestra
Factor de
riesgo
Dieta no
balanceada
Dieta
balanceada
Total
Casos
Control
Total
70
20
90
15
27
42
85
47
132
Calcule e interprtese la OR para este conjunto de datos.
b. Se tienen los registros de una clnica de la ciudad de los ltimos 5 aos, dicha informacin se
consigna en la siguiente tabla.
Fumador
Muerte
Precoz
s
no
Total
S (E)
No (E)
Total
715
290
1005
210
310
520
925
600
1525
Calcule e interprtese la OR para este conjunto de datos.
Pgina
73

Es importante calcular los intervalos de confianza para estas dos medidas de

asociacin, as:
Intervalo de confianza para RR con una confianza del 95% es:
ln RR 1,96 E . E .ln RR
ln RR 1,96 E . E .ln RR
R.R. e
Donde El error estndar del Riesgo Relativo es : E .E.ln RR
1
1
1
1

a ab c cd
Intervalo de confianza para OR con una confianza del 95% es:
ln OR 1,96 E . E .ln OR
ln OR 1,96 E . E .ln OR
O.R. e
Donde El error estndar del Odds Ratio es : E.E.ln OR
Pgina
74
1 1 1 1

a b c d

9.1.1 Significancia estadstica

Para establecer la significancia estadstica entre dos variables cualitativas y darle fuerza a las
conclusiones establecidas anteriormente se realiza la prueba de independencia con la
estadstica de Ji cuadrada con # filas 1 # columnas 1 grados de libertad .
Chi-Cuadrada
0,1
G. L.
10
densidad
0,08
0,06
0,04
0,02
0
0
10
20
x
30
40
Chi-Cuadrada
G. L.
10
6
0,8
densidad
1
0,6
0,4
0,2
0
0
10
20
x
Pgina
75
30
40

Caractersticas de la funcin Ji cuadrada
Es una distribucin de probabilidad asimtrica.
Slo toma valores positivos y es asinttica respecto al eje de las x positivas, es decir,
0 2
Est caracterizada por un nico parmetro llamado grados de libertad gl , adoptando

formas distintas segn el valor de ste.
El rea entre la curva y el eje x es de 1.
Las hiptesis a considerar son:
Ho : las variables son independientes
H1 : las variables son dependientes

En el caso particular, se va a realizar anlisis de tablas de contingencia 2 2 , con frecuencias
esperadas en cada celda mayor que 5.
Variable A
Variable B
Total
Total
a+b
c+d
a+c
b+d
Bajo la hiptesis nula de independencia, el valor esperado en la celda i, j est dado por:
Eij
Ri C j
n
total fila i total columna j

tamao total de la muestra
El estadstico de prueba a utilizar es: 2

i 1
Oij Eij
i 1
Eij
Pgina
76

Rechazar H 0 si:
2
a. 2 0,05
1gl 3,8414
b. Si el P valor , entonces, se rechaza H 0 a un nivel ; caso contrario no se rechaza.
Definicin 9.1.9 El P valor para una prueba se define como el valor ms pequeo de por el
cual la hiptesis nula se puede rechazar.
Ejemplo 9.1.10 Con una muestra de 102 trabajadores en zona de explotacin carbonera se
realiz un estudio que tena como objetivo conocer si la exposicin al carbn estaba relacionada
con la presencia de la neumoconiosis presentada en algunos trabajadores de la muestra.
Neumoconiosis
Exposicin al
carbn
Si
No
Total
Si
34
17
51
No
15
36
51
Total
49
53
102
Plantee todos los pasos para prueba de hiptesis. Sugieren los datos que existe relacin entre
las variables?
Pgina
77

De acuerdo a la estructura manejada se concluye que:
Al ser la diferencia de los valores observados y esperados mayor, as mismo aumentar

2
el valor de la aumentando la probabilidad de rechazar H 0
En la medida que los valores esperados sean menores que 5 no se aplica esta tcnica;
caso contrario se puede aplicar el test exacto de fisher si los valores esperados varan
entre 3 y 5, cuya frmula es:
a c b d a b c d
Cuando los valores esperados son menores que 3, se sugiere utilizar la correccin de
Yates, la cual es
n ad bc 0,5n
a b ! c d ! a c ! b d !
n !a !b !c !d !
La suma de las frecuencias observadas es igual a la suma de las frecuencias esperadas.
Ejemplo 9.1.11 Se seleccionaron 77 trabajadores al azar de la empresa OMEGAXX para

consultarles sobre su satisfaccin laboral. Se podra pensar que existe relacin el sexo y el tipo
de satisfaccin laboral?
Sexo
Satisfaccin
laboral
Satisfecho
Insatisfecho
Total
Femenino Masculino
25
14
39
11
27
38
Total
36
41
77
Ejemplo 9.1.12 Se realiz la revisin de los registro de una clnica de la ciudad por un grupo de
investigadores que les interesaba saber si al tomar una muestra de mujeres embarazadas con
amenaza de aborto y cruzar dicha informacin con el nmero de controles prenatales que
haban, se encontrara relacin entre dichas variables. Considera usted que hay dependencia
entre las variables?
Pgina
78

Amenaza de parto
Nmero de controles
Prenatales
si
no
Total
1 a 4 controles
prenatales
49
56
105
5 o ms controles
prenatales
22
51
73
71
107
178
Total
Ejemplo 9.1.13 Un grupo de investigadores fue contratado por el gerente de una empresa
constructora para realizar seguimiento a sus trabajadores ya que ha tenido quejas sobre el
impacto que viene generando un nuevo y ms econmico producto, que se est utilizando en
los ltimos meses. Para evitar problemas posteriormente el gerente solicita al grupo
investigador apoyo para tomar una buena decisin al respecto. Cree usted que la exposicin al
producto se relaciona con dificultades respiratorias?
Dificultades respiratorias
Exposicin al
producto
si
no
Total
1 a 4 controles
prenatales
67
43
110
5 o ms controles
prenatales
55
56
111
122
99
221
Total
Pgina
79

ANEXOS
En el siguiente captulo se encontrar: Un ejemplo de cuestionario para un estudio
descriptivo.
Pgina
80

Trabajo realizado por una corte de estudiantes de la Especialidad en Salud Ocupacional de la

Universidad del Norte
Tema: accidentalidad laboral en una empresa
Anexo A
CUESTIONARIO DE TRABAJADOR
Encuestador: Estos datos deben diligenciarse antes de comenzar la entrevista con el trabajador y deben
corresponder con los del centro de trabajo.
Razn social de la empresa a la que pertenece este centro de trabajo:
_____________________________________________________________________________________
Encuestador: Verifique con la persona a entrevistar si est realizando una prctica profesional o es aprendiz, en
cuyo caso, agradezca por el tiempo ofrecido y realice una nueva seleccin de persona a entrevistar que no
corresponda con esta caracterstica.
SECCION 1. VARIABLES DEMOGRAFICAS
Encuestador: Marque con una X al frente de la respuesta segn corresponda al sexo del trabajador.
1. Sexo: Femenino:____ Masculino: _____
2. Cul es su ltimo nivel de estudios aprobado?
Encuestador: Marque con una X en la siguiente tabla la opcin correspondiente segn la respuesta del entrevistado.
Nivel Educativo
Ninguno
Grado 1
Grado 2
Grado 3
Grado 4
Grado 5
Grado 6
Grado 7
Grado 8
Grado 9
Grado 10
Grado 11
Tcnico incompleto
Tcnico completo
Tecnologa Incompleto
Tecnologa completa
Universitario incompleta
Universitario completo
Posgrado incompleto
Postgrado completo
Fuente: Elaboracin propia
Pgina
81

3.
Indique su edad cumplida en aos?

Grupos de Edad
Menores de 18
de 18-20
de 21-30
de 31-40
de 41-50
de 51-60
Mayores de 60
4. Indique su estado civil

Encuestador: Marque con una X en la siguiente tabla la opcin correspondiente segn la respuesta del entrevistado.
Estado civil
Casado
Separado
Soltero
Unin Libre
Viudo
SECCION 2. CONDICIONES LABORALES Y ORGANIZACIONALES

5. Cunto tiempo lleva realizando este oficio en este centro de trabajo? _____ aos ___ meses
Encuestador: Escriba el nmero de aos y meses correspondientes al oficio. Cuando el tiempo de trabajo sea menor
de un ao, escriba 0 en aos.
Tiempo en el cargo
Menos del mes
de 1 a 3 meses
de 4 a 11 meses
de 1 ao a 3 aos
de 4 a 10 aos
de 11 a 20 aos
Mayores de 20 aos
6. De manera general, considera usted que este centro de trabajo actualmente es:
Encuestador: Marque con una X la opcin descrita por el trabajador.
Un lugar muy seguro para trabajar _____
Un lugar seguro para trabajar: ______
Pgina
82

Un lugar poco seguro para trabajar: ______

Un lugar muy inseguro para trabajar: _______
Factor de peligro
El espacio es insuficiente
Hay que sacar la produccin por encima de todo
Hay mucho desorden y desaseo
Cansancio o fatiga
Medios o herramientas insuficientes
Los accesos al lugar de trabajo estn en malas condiciones
El ritmo de trabajo es muy acelerado
El trabajo obliga a realizar operaciones peligrosas
Las instalaciones estn en malas condiciones
Esfuerzo o posturas forzadas
Las maquinas estn insuficientemente protegidas
El rea de trabajo o superficie es insegura
Causas relacionadas con el trafico de vehculos
El diseo del puesto de trabajo no concuerda con mis caracterstica de trabajo
Medios o herramientas inadecuadas
Exceso de confianza o de costumbre
Se trabaja sin la formacin suficiente
7. De los factores de riesgo mostrados en la siguiente tabla, indique los tres a los que se encuentra ms expuesto
en su lugar de trabajo, y enumrelos de 1 a 3 en orden de importancia, siendo 1 el ms importante y 3 el menos
importante.
Encuestador: Escriba en la columna de nivel de importancia los nmeros 1, 2 y 3 frente a las casillas que seale el
trabajador (mustrele la tabla siguiente).
Pgina
83

Factor de peligro
El espacio es insuficiente
Hay que sacar la produccin por encima de todo
Hay mucho desorden y desaseo
Cansancio o fatiga
Medios o herramientas insuficientes
Los accesos al lugar de trabajo estn en malas condiciones
El ritmo de trabajo es muy acelerado
El trabajo obliga a realizar operaciones peligrosas
Las instalaciones estn en malas condiciones
Esfuerzo o posturas forzadas
Las maquinas estn insuficientemente protegidas
El rea de trabajo o superficie es insegura
Causas relacionadas con el trafico de vehculos
El diseo del puesto de trabajo no concuerda con mis caracterstica de trabajo
Medios o herramientas inadecuadas
Exceso de confianza o de costumbre
Se trabaja sin la formacin suficiente
SECCION 3. ACTIVIDADES DE PREVENCION

8. Voy a nombrarle una serie de actividades relacionadas con la salud ocupacional que pueden realizarse en el
centro de trabajo. Por favor diga cules conoce usted que se hayan realizado en este centro durante los ltimos
12 meses y en cules usted ha participado.
Encuestador: Opciones para la columna a. Realizadas en este centro de trabajo:
Marque con una X en SI cuando el trabajador responda que s se ha hecho dicha actividad en el centro de trabajo.
Marque con un X en NO cuando el trabajador responda que no se ha hecho dicha actividad en el centro de trabajo.
Marque con un X en NO SABE cuando el trabajador responda que no sabe si se ha hecho dicha actividad en el centro
de trabajo.
Opciones para la columna b. Usted ha participado:
Esta columna aplica, solamente para las respuestas de SI en la columna anterior.
Marque con una X en SI cuando el trabajador responda que s ha participado.
Marque con una X en NO cuando el trabajador responda que no ha participado.
Mustrele la siguiente tabla al trabajador.
Pgina
84

ACTIVIDAD DE
PREVENCION
Exmenes
mdicos
Realizacin en el centro de trabajo

SI
NO
NO SABE
Identificacin
de peligros
Programas de
vigilancia
epidemiolgica
Mantenimiento
a equipos,
maquinas o
herramientas
Modificacin a
maquinas,
equipos por
razones de
seguridad.
Entrega de
elementos de
proteccin
personal
Actividades de
recreacin o
deporte
Definicin y/o
aplicacin de
normas de
seguridad
Funcionamient
o del Copaso
plan de
emergencias
simulacros de
emergencias
Sealizacin de
reas
Inspecciones
de seguridad.
Anexo B
PALMARI
CONSENTIMIENTO INFORMADO
Pgina
85
Usted ha participado
SI
NO

Yo, ___________________, voluntariamente acepto participar en un estudio para la evaluacin,

identificacin y diagnostico de factores de riesgo realizado por la empresa. Se me ha dado una
explicacin clara y completa sobre el carcter general y los propsitos del estudio y de las
razones especficas por las cuales se me evala. Tambin he sido informado de los tipos de
pruebas y dems procedimientos que se aplicaran, as como de la manera en que se utilizaran
los resultados.
As mismo entiendo que puedo poner fin a mi participacin en el estudio en cualquier momento
y sin represalias. A dems comprendo que se me informar de los resultados y que estos no
sern entregados a nadie ms sin mi autorizacin.
______________________
_________________________
Firma del trabajador
Nombre del trabajador letra legible
_________________________
_________________________
Firma del testigo
Nombre del Testigo
________________________
Fecha.
BIBLIOGRAFA
BORDA PREZ, Mariela. Mtodos Cuantitativos: Herramientas para la investigacin en salud.

Pgina
86

3.ed. Barranquilla. Ediciones Uninorte, 2011. 332p.

CARMINES, E. G. y ZELLER, R. A. (1979). Relabilityand validityassesment. Beverly Hils, CA: Sage
Publications7lnc. Series: Quantitative Applications in the Social Sciences, Vol. 17.
DANIEL, Wayne. Bioestadstica: Base para el anlisis de las ciencias de la salud. 4.ed. Mxico.
Editorial Limusa, 2011. 928p.
LLINAS SOLANO, Humberto. Estadstica Descriptiva. 1.ed. Barranquilla. Ediciones Uninorte,
2005. 408 p.
MARTINEZ BENCARDINO, Ciro. Estadstica y Muestreo. 12. ed. Bogot, D.C. Ediciones Ecoe,
2008. 1100p.
WALPOLE, Ronald E.; Raymond H. Myers; Sharon L. Myers y Keying Ye. 8. Mxico. Pearson
Educacin, 2007. 840p.
HERNNDEZ SAMPIERI, Roberto y Cols. Metodologa de la Investigacin. 4. Mxico. MCGRAWHILL, 1997. 497p.
http://escuela.med.puc.cl/Recursos/recepidem/introductorios6.htm
Pgina
87

NC Bioestadística 2015sept2

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

NC Bioestadística 2015sept2

Загружено:

Авторское право:

Доступные форматы

M.Sc.

Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 1

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 2

Entre las etapas de los procesos de investigacin se encuentran:

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 3

Las hiptesis pueden ser

1.3.1 Las hiptesis nula y del investigador

Ho : hiptesis nula , bsicamente es negar toda diferencia entre:

H1 : hiptesis del investigador , es usualmente el complemento de la hiptesis nula y

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 4

Ejemplo 1.1.2 Analizar las siguientes hiptesis:

El jefe de personal de una empresa se pregunta si el peso medio de sus trabajadores es

Un siclogo piensa que al impartir charlas motivacionales a la fuerza de venta de una

Un investigador interesado en el impacto sonoro al que estn expuesto los trabajadores,

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 5

Adems, es importante tener en cuenta que si k

a. H1 : k , se denomina alternativa bilateral

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 6

Ejemplo 1.1.4 Se quiere analizar el impacto de la aplicacin de un programa para prevenir

Sea p1 : proporcin de trabajadores a los que se les aplica el programa M.E.

H0 : p1 tienen mayor o igual dificultades con movimientos repetitivos quea la p2

H1 : p1 tienen menos dificultades con movimientos repetitivos que p2

Errores tipo I y tipo II

No rechazar la hiptesis nula (o rechazar la alternativa)

Decisin sobre H o es verdadera

P error tipo I P rechazar H 0 / H 0 verdadera

P error tipo II P aceptar H 0 / H 0 es falsa

Donde se llama nivel de significancia, siendo 1 el llamado GRADO DE CONFIANZA y la

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 7

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 8

Confiabilidad, la cual hace

Se ha definido que una escala es un continuo de valores ordenados correlativamente que

Es importante al momento de la realizacin de un estudio tener claridad sobre la poblacin que

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 9

b. Analizar la siguiente escala Likert

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 10

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 11

e. Versin Colombiana de un test Espaol Tipo escala Likert

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 12

Definicin 1.1.7 La unidad de observacin corresponde a la entidad que suministra la

Cul es la unidad de anlisis y cul es la unidad de observacin?

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 13

1.4.1 Variables Estadsticas

De acuerdo a su naturaleza las variables se clasifican en:

De acuerdo a su escala de medicin:

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 14

Indique la escala de medicin para cada una de las siguientes variables

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 15

1.4.2 Operacionalizacin de variables estadsticas

Patologas diagosticadas por

H bi tos noci vos s el ecci ona da s por

Fumar, Ingestin de bebidas

Siempre, algunas veces y

Nivel de prctica de ejercicios

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 16

2.1 lgebra de conjuntos

Definicin 2.1.2 Dos eventos de un espacio muestral

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 17

Definicin 2.1.4 Si A y B son dos eventos de un espacio muestral , entonces la diferencia

Definicin 2.1.5 Si A es un evento del espacio muestral , entonces, el complemento de A ,

Cuntos estudiantes no aprobaron las pruebas mencionadas?

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 18

M.Sc. Carlos Alejandro Carreo Colina PhD Luz Marina Alonso 19