CÁTEDRA DE ECONOMÍA DE LA SALUD Y USO RACIONAL DEL MEDICAMENTO

Departamento de Farmacología. Facultad de Medicina

UNIVERSIDAD DE MÁLAGA

“…. El mundo está lleno de variaciones, y a veces se hace dificil descubrir las verdaderas diferencias que surgen
CÁTEDRA DE ECONOMÍA DE como consecuencia. La estadística no sería necesaria si todas las personas fueran idénticas.” Norman y Streiner

LA SALUD Y USO RACIONAL

Los análisis estadísticos complementan el criterio médico.
DEL MEDICAMENTO
Tras analizar la generalidad, los tratamientos adecuados ganan precisión.

UNIVERSIDAD DE MEDICINA ASISTENCIAL:

MÁLAGA
Antonio J García Ruiz
Dep. Farmacología y Terapéutica
Facultad de Medicina
• Diagnóstico: se realiza mediante análisis estadísticos de los signos y
síntomas de muchos pacientes (probabilidades).
• Pronóstico: consiste en la aplicación del cálculo de probabilidades
sobre muchos pacientes, que nos permiten establecer la incidencia
sobre un paciente determinado.
• Nuevos tratamientos: mediante procesos experimentales (ECA) el
análisis de los datos obtenidos nos permite conocer si los resultados
son debidos al azar o son producto del nuevo tratamiento.

HERRAMIENTAS ESTADÍSTICAS

— DESCRIBIR LA REALIDAD
– DESCRIPTIVA
— EXPLICAR LA REALIDAD

– COMPARACIÓN DE GRUPOS
— PREDECIR LA REALIDAD
– REGRESIÓN Y CORRELACIÓN
© AJ García Ruiz
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

1
 SPSS
MENÚS DE TRABAJO

MENÚ DE OPCIONES
CUADRO DE DIÁLOGO
2016

2016
© A J G a rc ía R u iz © A J G a rc ía R u iz

LECTURA DE DATOS ESTRUCTURA

¿Qué tipo de datos pueden usarse?

• Archivos de SPSS (*.SAV)

• Hojas de cálculo (Excel, Lotus 1-2-3)
caso
• Bases de satos (Dbase, Access)
• Otros
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz variable

NIVEL DE MEDICIÓN
TIPOS DE VARIABLES

ESTRUCTURA

— NOMINALES — ORDINALES
◦ CLASIFICAR ◦ CLASIFICAR
◦ ORDENAR
Atributos de las variables
— INTERVALO
◦ CLASIFICAR
Variables ◦ ORDENAR
◦ VALOR NUMÉRICO REAL
2016

© A J G a rc ía R u iz

2
 VALORES QUE PUEDE ADOPTAR POSICIÓN EN EL ESTUDIO
TIPOS DE VARIABLES

TIPOS DE VARIABLES
— CUALITATIVAS O CATEGÓRICAS — RESULTADO O DEPENDIENTE
◦ SUS VALORES NO SON NUMÉRICOS
◦ ES ÚNICA EN CADA ESTUDIO
– DICOTÓMICA
– POLICÓTOMICA — PREDICTORA O INDEPENDIENTE
— CUANTITATIVAS ◦ PUEDE SER ÚNICA O MÚLTIPLE
◦ VALORES NUMÉRICOS
– DISCRETAS
– CONTINUAS ¿cuál es cada una?

POSICIÓN EN EL ESTUDIO
TIPOS DE VARIABLES

l La variable independiente es aquella

propiedad de un fenómeno a la que se le va
a evaluar su capacidad para influir, incidir o
afectar a otras variables.
l La variable dependiente puede ser definida
como los cambios sufridos por los sujetos
como consecuencia de la manipulación de
la variable independiente por parte del
experimentador.
2016

© A J G a rc ía R u iz

n Crear una variable categórica a

partir de una variable numérica.

• Combinar varias categorías de

respuesta en una única categoría.

n Crear una nueva variable que resulte

de un cálculo entre dos o más
variables existentes.
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

3
 CATEGORÍAS MUTUAMENTE
EXCLUYENTES Y EXHAUSTIVAS
1 3
• Cating = 1 ....... Ingresos inferiores a 25.... (menor – 24,999)
• Cating = 2 ....... Ingresos de 25 hasta 50... (25 – 49,999)
2 4
• Cating = 3 ....... Ingresos de 50 hasta 75... (50 – 74,999)
• Cating = 4 ....... Ingresos superiores a 75.. (75 – mayor)
2016

2016
© A J G a rc ía R u iz © A J G a rc ía R u iz

TG
LDL-c = Ctotal – – HDL-c
5

P (kg)
IMC =
T2 (m)

• Edad rec 1 = hasta 18 años

• Edad rec 2 = desde 18 años hasta 40 años
• Edad rec 3 = desde 40 años hasta 65 años
• Edad rec 4 = desde 65 hasta el máximo
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

© AJ García Ruiz
2016

© A J G a rc ía R u iz

4
 ESTADÍSTICA DESCRIPTIVA
Es la primera fase de un buen análisis
- descriptivos estadístico.
• Medidas de resumen El estadístico de resumen más adecuado
de las variables de estudio depende del
• Representación gráfica
tipo de datos recogidos:
- inferencial • CUALITATIVOS
• Estimación de parámetros
• CUANTITATIVOS
• Contraste de hipótesis
2016

© A J G a rc ía R u iz

ESTADISTICA DESCRIPTIVA

— NÚMEROS
◦ MEDIDAS DE TENDENCIA CENTRAL
◦ MEDIDAS DE DISPERSIÓN
◦ MEDIDAS DE FIABILIDAD
◦ MEDIDAS DE LA FORMA DE DISTRIBUCIÓN
— GRÁFICOS
◦ HISTOGRAMA
◦ DIAGRAMA DE BARRAS
◦ DIAGRAMA DE SECTORES
2016

© A J G a rc ía R u iz

Tablas de frecuencias

• Tablas de frecuencias
• Gráficos de barras
• Gráficos de sectores
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

5
 ESTADISTICA DESCRIPTIVA
Estado civil

viudo
Soltero

Separado

Casado
2016

© A J G a rc ía R u iz

PERCENTILES Y CUARTILES
ESTADISTICA DESCRIPTIVA

MEDIDAS DE TENDENCIA CENTRAL

Son los estadísticos que se utilizan para describir la — Son los valores de una variable
localización de la distribución de una variable en una
muestra.
cuantitativa que dividen los datos
Intentan reducir a un solo número todos los valores de ordenados en grupos, de forma que un
un estudio. porcentaje de los casos se encuentre
por encima y otro porcentaje se
Moda
encuentre por debajo.
Mediana
Percentiles — Los cuartiles (los percentiles 25, 50 y 75)
Cuartiles dividen las observaciones en cuatro
Media grupos de igual tamaño.

MEDIA
— Media aritmética: Es la suma total del valor
que toma la variable objeto de estudio dividida
por el número de casos.
— Media recortada al 5%: Media aritmética
calculada después de haber eliminado el 5%
de los casos mayores y el 5% de los menores.
La eliminación de los casos extremos de los
cálculos da como resultado una mejor
estimación de la tendencia central,
especialmente cuando los datos no son
normales.
2016

© A J G a rc ía R u iz

6
ESTADISTICA DESCRIPTIVA

ESTADISTICA DESCRIPTIVA
— Son medidas que acompañan a las de
tendencia central, para dar una idea de
si los datos están muy agrupados o muy
dispersos.

Rango o recorrido
Varianza
Desviación Típica o Estándar

RANGO O RECORRIDO VARIANZA

MEDIDAS DE DISPERSIÓN

MEDIDAS DE DISPERSIÓN

— Rango intercuartílico: es la diferencia entre el

tercer y primer cuartil. Dentro de un conjunto de
— Es el promedio de las diferencias al
observaciones, cabe la posibilidad de cometer fallos a
la hora de apuntar los datos, o también puede ser
cuadrado de cada variable con
que los aparatos de medida que utilicemos no sean respecto a la media.
precisos o fallen al tomar las medidas. — Cuando se toma la población se
— OUTLIERS: aquellas observaciones que siendo atípicas o
divide por Ni, sin embargo cuando es
erróneas tiene un comportamiento muy diferente respecto al una muestra se divide por N-1.
resto de los datos, frente al análisis que se desea realizar sobre
las observaciones experimentales.

DESVIACIÓN TÍPICA DESVIACIÓN TÍPICA

MEDIDAS DE DISPERSIÓN

MEDIDAS DE DISPERSIÓN

— Mide la distancia de los valores — Se utiliza muchísimo.

respecto a la media. — En una Distribución Normal
— Es la raíz cuadrada de la varianza. ◦ Media ± UNA desviación: 68,27%
— Es una medida de dispersión en torno ◦ Media ± DOS desviaciones: 95,45%
a la media. A mayor desviación mayor ◦ Media ± TRES desviaciones: 99,73%
dispersión. — Por ejemplo, si la media de edad es 45 años,
con una desviación típica de 10, el 95% de los
casos estaría entre 25 y 65 en una distribución
normal.

7
 CONCLUSIÓN

ESTADISTICA DESCRIPTIVA
— La varianza tiene el inconveniente de que no viene
MEDIDAS DE DISPERSIÓN

expresada en las mismas unidades que los datos, debido a

que las desviaciones están elevadas al cuadrado.
— En cambio, la desviación típica sí viene expresada en las
mismas unidades que los datos, de ahí que resulte más
interesante que la varianza.
— Son índices que describen la variabilidad o dispersión y por
tanto cuando los datos están muy alejados de la media, el
numerador de sus fórmulas será grande y la varianza y la
desviación típica lo serán.
— Al aumentar el tamaño de la muestra, disminuye la
varianza y la desviación típica. Para reducir a la
mitad la desviación típica, la muestra se tiene que
multiplicar por 4.

COEFICIENTE DE VARIACIÓN DE
PEARSON
MEDIDAS DE FIABILIDAD

— Es una medida de la homogeneidad

— COEFICIENTE DE de unos datos en porcentaje,
VARIACIÓN DE PEARSON permitiendo comparaciones.
— Se obtiene dividiendo la
— ERROR TÍPICO O STANDARD desviación entre la media y
DE LA MEDIA multiplicando por 100.
— Sirve para comparar dos muestras
cada una con su media y su D.E.

— Los estadísticos que más informan

ERROR TIPICO DE LA MEDIA
ESTADISTICA DESCRIPTIVA

sobre la variabilidad de los valores de

una muestra serían de menor a mayor:
MEDIDAS DE FIABILIDAD

— Es una medida de robustez de la Media.

— Indica hasta que punto la Media de esa muestra es

representativa de la media de la población.

— Se calcula dividiendo la desviación por la raíz

cuadrada del número de datos.

— Puede utilizarse para comparar de forma aproximada la

media observada con un valor hipotetizado (es decir,
podremos concluir que dos valores son distintos si la
razón de la diferencia respecto al error típico es menor
que -2 o mayor que +2).

8
 MEDIDAS DE LA FORMA DE
DISTRIBUCIÓN
Media Media Media
Moda Moda Moda
Mediana Mediana Mediana

Asimétrica hacia Simétrica Asimétrica hacia

la derecha la izquierda
Coeficiente de Asimetría de Fisher
g1 < 0 g1 = 0 g1 > 0
2016

© A J G a rc ía R u iz

Coeficiente de Curtosis:
— Medida del grado en que las observaciones están
CONCLUSIONES
agrupadas en torno al punto central.
MEDIDAS DE LA FORMA DE

MEDIDAS DE LA FORMA DE

— Cuando la distribución de los datos cuenta con un coeficiente de

— Para una distribución normal, el valor del estadístico de asimetría (g1 = ± 0.5) y un coeficiente de Curtosis de (g2 = ± 0.5), se le
curtosis es 0. Distribución Mesocúrtica. denomina Curva Normal.
DISTRIBUCIÓN

DISTRIBUCIÓN

— Este criterio es de suma importancia ya que para la mayoría de los

— Una curtosis positiva indica que las observaciones se
concentran más y presentan colas más cortas que las de
una distribución normal. Distribución Leptocúrtica.
— Una curtosis negativa indica que las observaciones se
agrupan menos y presentan colas más largas. Distribución
Platicúrtica.
procedimientos de la estadística de inferencia se requiere que los datos
se distribuyan normalmente.
— La principal ventaja de la distribución normal radica en el supuesto que
el 95% de los valores se encuentra dentro de una distancia de dos
desviaciones estándar de la media aritmética; es decir, si tomamos la
media y le sumamos dos veces la desviación y después le restamos a la
media dos desviaciones, el 95% de los casos se encontraría dentro del
rango que compongan estos valores.

ESTADISTICA DESCRIPTIVA

Medidas de asociación
Covarianza
Coef. Correlación de Pearson
Coef. Correlación de Spearman

9
 Coeficiente de correlación de Spearman:
MEDIDAS DE ASOCIACIÓN Medida de asociación lineal entre dos variables
MEDIDAS DE ASOCIACIÓN

MEDIDAS DE ASOCIACIÓN
ordinales. Cuanto mayor sea el coeficiente mayor
concordancia habrá en la ordenación en los dos
• Coeficiente de correlación de Pearson: individuos. Para todos los casos, se ordenan los valores
• Medida de asociación lineal entre dos variables en cada variable de menor a mayor y se calcula el
cuantitativas. coeficiente de correlación de Pearson sobre los rangos
asignados.
• Los valores del coeficiente de correlación varían entre
El coeficiente ρ (rho), es una prueba no paramétrica que
-1 y 1. El signo del coeficiente indica la dirección de la
mide la asociación entre dos variables discretas. Para
relación y el valor absoluto indica la intensidad. Los
calcular ρ, los datos son ordenados y reemplazados por
valores absolutos mayores indican que las relaciones
su respectivo orden.
son más fuertes.
• Dos variables pueden estar perfectamente
relacionadas, pero si la relación no es lineal, el
coeficiente de correlación de Pearson no será un
estadístico adecuado para medir su asociación.

MEDIDAS DE ASOCIACIÓN MEDIDAS DE ASOCIACIÓN

MEDIDAS DE ASOCIACIÓN

MEDIDAS DE ASOCIACIÓN

R cuadrado: Medida de la bondad de ajuste de un modelo

lineal. En ocasiones recibe el nombre de coeficiente de
Estadístico de Chi-cuadrado: Se emplea determinación. Es la proporción de la variación de la
variable dependiente explicada por el modelo de
cuando las variables a estudiar son categóricas. regresión. Sus valores van desde 0 a 1. Los valores
pequeños indican que el modelo no se ajusta bien a los
Estadístico R: Medida de asociación lineal datos.
entre dos variables. Los valores de R van de -1 R cuadrado corregida: La R cuadrado muestral tiende a
y +1. Un valor de 0 indica que no existe relación estimar de manera demasiado optimista cuánto de bien
lineal. se ajusta el modelo en la población. Habitualmente el
modelo no se ajusta a la población tan bien como se
ajusta a la muestra de la que se ha derivado. La R
cuadrado corregida intenta corregir la R cuadrado para
reflejar más estrechamente la bondad de ajuste en la
población.

MEDIDAS DE ASOCIACIÓN
Analizar Correlaciones Bivariadas
2016

© A J G a rc ía R u iz

10
 COVARIANZA
MEDIDAS DE ASOCIACIÓN

• Cuando el coeficiente de correlación está cerca de +1

o -1, se dice entonces que las variables están
''fuertemente correlacionadas''.

• Hay que tener cuidado con la confusión frecuente

entre correlación y causalidad. Que dos
fenómenos estén correlacionados no implica, de
ninguna manera, que uno sea causa del otro.

• Es muy frecuente que una correlación fuerte indica

que los dos caracteres dependen de un tercero que no
ha sido medido. Este tercer carácter se llama ''factor
de confusión''.

2016
© A J G a rc ía R u iz
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

IMC Stem-and-Leaf Plot

Resumen del procesamiento de los casos Frequency Stem & Leaf

Casos
Válidos Perdidos Total 2,00 20 . 03
N Porcentaje N Porcentaje N Porcentaje 3,00 21 . 036
IMC 100 100,0% 0 ,0% 100 100,0%
9,00 22 . 033466666
Descriptivos
10,00 23 . 0112445889
11,00 24 . 01334455778
Estadístico Error típ.
IMC Media 26,9205 ,35670
12,00 25 . 022234588999
Intervalo de confianza Límite inferior 26,2127 Gráfico de 5,00 26 . 24677
para la media al 95% Límite superior 10,00 27 . 3335556669
27,6282
Tallo y Hojas 8,00 28 . 04555777
Media recortada al 5% 26,8212
Mediana 26,7013
Valores extremos 6,00 29 . 223334
Varianza 12,723 Número 13,00 30 . 1112444448888
Desv. típ. 3,56695
IMC Mayores 1
del caso
48
Valor
35,80
3,00 31 . 266
Mínimo 20,07
2 88 35,16 3,00 32 . 048
Máximo 35,80
Rango 15,73
3 81 34,96 1,00 33 . 3
Amplitud intercuartil 5,30
4 27 34,41
2,00 34 . 49
5 91 33,33
Asimetría ,330 ,241
Menores 1 44 20,07 2,00 35 . 17
Curtosis -,517 ,478 2 80 20,32
3 59 21,09 Stem width: 1,00
4 54 21,36
Each leaf: 1 case(s)
2016

2016

5 8 21,63
© A J G a rc ía R u iz © A J G a rc ía R u iz

11
 CÁTEDRA DE ECONOMÍA DE LA SALUD Y USO RACIONAL DEL MEDICAMENTO
Departamento de Farmacología. Facultad de Medicina
Gráfico de
UNIVERSIDAD DE MÁLAGA cajas y bigotes
Histograma

Límite superior: por

14 encima de este
límite las
puntuaciones se
12 Q3 consideran atípicas
(outliers)

puntuaciones
50% de las
puntuaciones
95% de las
10
mediana

8 Q1
Frecuencia

4
Límite inferior: por
debajo de este
2 límite las
Mean=26,9205 puntuaciones se
Std. Dev.=3,56695
N=100 consideran atípicas
0
(outliers)
20,00 25,00 30,00 35,00
2016

IMC
© A J G a rc ía R u iz

- descriptivos
• Medidas de resumen
• Representación gráfica

- inferencial
• Estimación de parámetros
• Contraste de hipótesis
© AJ García Ruiz
2016

© A J G a rc ía R u iz

IC95% = Estimador + 1,96 x EE

Error Estándar
Variable cualitativa Variable cuantitativa

pxq DE
EE = EE =
n n
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

12
 l Para determinar si dos variables están
relacionadas (asociadas) o si existen diferencias
en cierta variable entre dos grupos de sujetos se
emplean las pruebas de contraste de hipótesis.
l Ejemplos:
l ¿hay diferencias de peso significativas en la población
española según el nivel cultural?;
l ¿está relacionada la presencia de depresión con el estado
civil?
l ¿es diferente la prevalencia de hipercolesterolemia entre
hombres y mujeres?
l ¿la antigüedad en la empresa esta asociada a una mayor
prevalencia del síndrome de desgaste profesional –burn
out–, etc).
2016
l Estas pruebas se basan en establecer una
“hipótesis nula” (Ho), según la cual “no existen
diferencias” entre los grupos comparados, o “no
existe relación” entre las variables analizadas
(son variables independientes).
l Mediante la prueba de significación adecuada
se intenta aceptar / rechazar esta hipótesis.
l Si se consigue rechazar, se acepta
consecuentemente una “hipótesis alternativa”
(Ha), de que “si existen diferencias o
asociación”.

2016
© A J G a rc ía R u iz © A J G a rc ía R u iz

“p<”
Probabilidad de que los resultados obtenidos puedan
CRITERIOS DE ELECCIÓN
ser debidos al azar, en el caso de que la ¿distribución normal o no normal?
hipótesis nula sea cierta
Tipo de datos:
¿cualitativos o cuantitativos?
“Nivel de significación alfa: ¿independientes o apareados?
Nivel de probabilidad por debajo del cual se considera
que se dispone de evidencia suficiente en contra de la Número de grupos a comparar:
hipótesis nula como para rechazarla ¿dos o más?
Por convenio el nivel de significación alfa = 0,05
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

Test paramétricos
Comparación de medias
• Prueba de T:
• de una muestra
SI • varias muestras Independientes
Análisis de • varias muestras relacionadas
normalidad • ANOVA de 1 factor
NO
Prueba de
Kolmogorov
Pruebas no
Smirnov
paramétricas
Prueba de Chi-cuadrado
Prueba de Friedman
Prueba de Kruskal-Wallis
Prueba de Mann-Whitney
Coef. de correlación de Spearman
Prueba de los signos de Wilcoxon
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

13
 ...¿Es una variable cuantitativa normal? ...¿Es una variable cuantitativa normal?

Es una prueba no paramétrica que

se utiliza para determinar la bondad
de ajuste de dos distribuciónes de
probabilidades entre sí.
Kolmogorov

Éste es un test estadístico cuya

Smirnov
hipótesis nula es que la distribución
de datos explorados no se diferencia
de una distribución teórica de datos
normales. Si no se puede rechazar
dicha hipótesis (si la significación
del test es p > 0,05), se asume que
los datos explorados son
normales.
2016

2016
© A J G a rc ía R u iz © A J G a rc ía R u iz

... Ejemplo: ¿peso y talla normales?

n Para muestras independientes

Talla (en metros)
7

5
n Para muestras relacionadas
4

2
n Para una muestra.
Frecuencia

0
1,50 1,56 1,63 1,69 1,75 1,81 1,88 1,94 2,00

Talla (en metros)

2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

¿existen diferencias en el
Perfil de Salud de Nottingham o en el IMC
según el sexo de los individuos?.

Menú: Analizar ® comparar medias ® prueba de T para

….. ® clicar sobre las variables del fichero de datos (izqda)
IMC y NHP, luego en la flecha para que queden introducidas
en la ventana de “Contrastar variables” ® en la casilla de
“variables de agrupación” introducir “sexo”, se activará la
casilla de “definir grupos” entonces introducir 0 en “Grupo 1”
y 1 en “Grupo 2” ® continuar ® Aceptar ® ver resultados
¿Qué explicación tienen estos resultados?.
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

14
2016

2016
© A J G a rc ía R u iz © A J G a rc ía R u iz

• La media de la calidad de vida (NHP) de nuestros pacientes fue de: 17,42.

• En un estudio acerca de la hiperreactividad bronquial1, la puntuación total del
NHP oscilo entre 28,9 y 73,5%. ¿hay diferencias estadisticamente
l Se contrasta si la media de una sola variable difiere de una significativa entre esa población y la nuestra?
constante especificada. Analizar
l Ejemplos. Un investigador desea comprobar si la Comparar medias
puntuación media del coeficiente intelectual de un grupo de Prueba T para una muestra
alumnos difiere de 100. O bien, un fabricante de copos de
cereales puede tomar una muestra de envases de la línea
de producción y comprobar si el peso medio de las
muestras difiere de 1 Kg con un nivel de confianza al 95%.
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz 1. Kristofferzon and Ternesten-Hasséus Health and Quality of Life Outcomes 2013, 11:182. Disponible en:
http://www.hqlo.com/content/11/1/182

… comparación entre medias (Ho = µ1 = µ2)

• La media de la calidad de vida (NHP) de nuestros pacientes fue de: 17,42.

• En un estudio acerca de la hiperreactividad bronquial1, la puntuación total del NHP oscilo entre 28,9 y
73,5%. ¿hay diferencias estadisticamente significativa entre esa población y la nuestra?
2016

2016

© A J G a rc ía R u iz 1. Kristofferzon and Ternesten-Hasséus Health and Quality of Life Outcomes 2013, 11:182. Disponible en: © A J G a rc ía R u iz
http://www.hqlo.com/content/11/1/182

15
 l El análisis de varianza se utiliza para contrastar la hipótesis Es un test que mide la igualdad de varianzas de
de que varias medias son iguales, mediante la comparación variables dependientes para grupos definidos por
de la varianza muestral estimada a partir de las medias de los variables categóricas.
grupos respecto a la estimada dentro de dichos grupos. Esta
técnica es una extensión de la prueba t para dos muestras. Un valor de p<0,05, indica que la varianza de los datos
difiere significativamente entre los grupos.
l Además de determinar que existen diferencias entre las
medias, es posible que desee saber qué medias difieren.
Existen dos tipos de contrastes para comparar medias: a priori
y post hoc. Los contrastes a priori se plantean antes de ejecutar Prueba de homogeneidad de varianzas
el experimento y los contrastes post hoc se realizan después
Estadístico
de haber llevado a cabo el experimento.
de Levene gl1 gl2 Sig.
l Los grupos deben proceder de poblaciones con varianzas sueño 2,260 1 98 ,136
iguales. Para contrastar este supuesto, se utiliza la prueba de aislamiento 11,239 1 98 ,001
Levene de homogeneidad de varianzas. movilidad 1,524 1 98 ,220
2016

2016
© A J G a rc ía R u iz © A J G a rc ía R u iz

Descriptivos

Intervalo de confianza para

la media al 95%
Desviación Límite
N Media típica Error típico Límite inferior superior Mínimo Máximo
IMC hombre 21 26,69569 3,060919 ,667947 25,30238 28,08900 21,633 31,231
mujer 79 26,98023 3,705273 ,416876 26,15030 27,81017 20,069 35,796
Total 100 26,92048 3,566955 ,356695 26,21272 27,62824 20,069 35,796
nhp hombre 21 19,2452 3,28433 ,71670 17,7502 20,7402 14,52 23,62
mujer 79 16,9432 2,82652 ,31801 16,3101 17,5764 11,58 23,62
Total 100 17,4267 3,05969 ,30597 16,8196 18,0338 11,58 23,62
Prueba de homogeneidad de varianzas

Estadístico
de Levene gl1 gl2 Sig.
IMC ,833 1 98 ,364
nhp 3,745 1 98 ,056
ANOVA

Suma de Media
cuadrados gl cuadrática F Sig.
IMC Inter-grupos 1,343 1 1,343 ,105 ,747
Intra-grupos 1258,250 98 12,839
Total 1259,593 99
nhp Inter-grupos 87,913 1 87,913 10,270 ,002
Intra-grupos 838,897 98 8,560
2016

2016

Total 926,810 99
© A J G a rc ía R u iz © A J G a rc ía R u iz

n Se ha observado esta pareja de variables en una muestra

l El valor de significación (sig asintótica) si contiene la
aleatoria de 100 individuos. Se puede emplear una tabla
información que buscamos. Cuanto menor sea el valor de
de contingencia para expresar la relación entre estas dos
significación, menor probabilidad habrá de que las dos
variables, del siguiente modo:
variables sean independientes, es decir no estén relacionadas
Hombres Mujeres Total (p.ej. valor sig asintotica = 0,000, quiere decir que de hecho
Diestro 43 9 52 ambas variables están relacionadas).
Zurdo 44 4 48
l No debe utilizarse si cualquiera de las casillas tiene un
total 87 13 100
valor esperado menor que 1, o si más de un 20% de las
n La tabla nos permite ver de un vistazo que la proporción de hombres
diestros es aproximadamente igual a la proporción de mujeres
casillas tienen valores esperados menores que 5.
diestras. Sin embargo, ambas proporciones no son idénticas y la l A efectos prácticos, el valor de significación es más
significación estadística de la diferencia entre ellas puede ser
evaluada con el test Chi Cuadrado de Pearson, supuesto que las importante que el valor real del estadístico.
cifras de la tabla son una muestra aleatoria de una población
2016

2016

© A J G a rc ía R u iz © A J G a rc ía R u iz

16
 n Se ha detectado en nuestro estudio que puede haber
diferencias respecto a la frecuencia de hipertensos y
artrosis/artritis según sexo de los participantes.

n ¿existen diferencias significativas estadísticamente?

2016

2016
© A J G a rc ía R u iz © A J G a rc ía R u iz

CÁTEDRA DE ECONOMÍA DE LA SALUD Y USO RACIONAL DEL MEDICAMENTO

Departamento de Farmacología. Facultad de Medicina

HTA*Sexo UNIVERSIDAD DE MÁLAGA

TIPOS DE VARIABLES

Variable tipo
Dicotómica aquella variable que sólo puede tomar dos posibles valores
Nominal aquella variable que puede tomar varios valores
aquella variable que puede tomar varios valores y en los que
Ordinal
se puede establecer un orden entre las categorías
aquella variable que puede tomar un rango numérico de
Cuantitativa
valores
aquella variable cuantitativa que puede tener información
Censurada parcial o no completa (tiempo hasta que ocurre algo en
Análisis de Supervivencia)
2016

© A J G a rc ía R u iz

CÁTEDRA DE ECONOMÍA DE LA SALUD Y USO RACIONAL DEL MEDICAMENTO suposiciones que subyacen en la
Departamento de Farmacología. Facultad de Medicina P RUEBAS PARAMÉTRICAS utilización de las pruebas
UNIVERSIDAD DE MÁLAGA paramétricas
Su cálculo implica una
estimación de los
TIPOS DE MUESTRA parámetros de la población El nivel de medición Los datos de la Las varianzas de las
con basa en muestras al menos debe ser muestra se 2 muestras no son
estadísticas intervalo obtienen de una significativamente
población diferentes:
Tipo de muestra Características Ejemplo VENTAJAS
normalmente homocedasticidad
distribuida: media,
son las que se obtienen de 2 1. Mas poder de mediana, moda
comprobar si los valores eficiencia
grupos de sujetos distintos, es iguales.
Muestras decir, que a cada muestra le de creatinina difieren 2. Más sensibles a los
independientes entre un grupo estudio y rasgos de los datos
vamos a aplicar una situación recolectados
uno control.
experimental distinta 3. Menos posibilidad de
errores Prueba de t Prueba de
se obtienen a partir del mismo comprobar si las cifras de 4. Mas robustas de Student Anova
Muestras grupo en distintas situaciones, o creatinina difieren en un
dependientes o sea, que a cada individuo se le mismo grupo en una
DESVENTAJAS
apareadas aplicarán los distintos hechos medición inicial y a los 3 1. Mas complicadas de
experimentales. meses. calcular
2. Limitaciones en los 1 2 muestras + de 2 muestras
tipos de datos que se muestra independientes independientes
pueden evaluar o relacionadas

17
 Pruebas paramétricas y su
alternativa no paramétrica

Tipo de Prueba Prueba no

muestra paramétrica paramétrica
RELACIONADAS
2 muestras T-Student Wilcoxon
> 2 muestras ANOVA Friedman
INDEPENDIENTES
2 muestras T-Student U de Mann-Whitney
> 2 muestras ANOVA Kruskal-Wallis

18