BIOESTADÍSTICA MAURO
Aplicación de la estadística a los datos biológicos.
En el área biológica, la mayor parte de los fenómenos son influenciados por muchos factores causales,
incontrolables en su variación, muy a menudo no identificables. La estadística permite medir tales
fenómenos variables con un error predecible y averiguar la realidad de pequeñas, pero importantes
diferencias.
En estadística expresamos nuestro grado de confianza o desconfianza con una probabilidad.
Los fenómenos biológicos solo pueden medirse dentro de una estructura probabilística.
CONCEPTOS BÁSICOS:
ESTADÍSTICA: es el estudio científico de datos numéricos basados en fenómenos naturales.
Estudio científico: aplicación del método científico y la objetividad en la presentación y evaluación de
los datos.
Datos: la estadística trata con poblaciones o grupos de individuos, es decir trata con cantidades de
información y no con un simple dato.
Numéricos: los datos son útiles si pueden cuantificarse.
Fenómenos: aquellos que ocurren en la naturaleza, animada o inanimada, fuera del control del
hombre, o que en parte están bajo su control (experimentos).
ESTADÍSTICA DESCRIPTIVA: Es la parte de la estadística que trata solamente de describir y analizar un
grupo dado sin hacer inferencia a un grupo mayor. Por ejemplo si se desea conocer el número de
jóvenes de 20 años de edad portadores de VIH en una ciudad, se hace el recuento de casos
encontrados, los cuales darán una idea de la incidencia de la enfermedad en jóvenes de 20 años.
ESTADÍSTICA INDUCTO-DEDUCTIVA: por ejemplo si se estudia la frecuencia cardíaca en un grupo de
individuos en reposo y luego de realizar ejercicio, podemos analizar las modificaciones y cambios de la
frecuencia, y determinar la influencia del ejercicio en la misma. Luego se establecerá la probabilidad de
que esas diferencias se deban al azar, es decir si los datos variaron por casualidad o tuvieron relación
con el ejercicio.
LA ESTADÍSTICA EN MEDICINA
En la investigación médica, el profesional realiza la recolección de datos, y luego aplicará un
tratamiento estadístico.
Experimento: es la provocación intencional de un fenómeno y el registro del o los resultados
obtenidos.
Datos: es el valor asignado a cada punto de la variable.
Variable: es la propiedad por la cual los individuos o elementos de una muestra se diferencian entre sí.
Muestra: es el conjunto de observaciones individuales, obtenidas por un procedimiento determinado,
que pertenecen a una misma población. Debe ser aleatoria, obtenida al azar y ser representativa de la
población. Es decir todos los elementos de la muestra deben tener la misma posibilidad de ser
elegidos, y deben ser independientes entre sí. Si se cumplen estas premisas; la variable es aleatoria y la
muestra se denomina aleatoria simple (m.a.s.).
Población: es la totalidad de las observaciones individuales a cerca de las cuales se hacen deducciones,
existiendo en algún lugar del mundo, limitada en el espacio y el tiempo. Puede ser o no sinónimo de
universo.
Ejemplo: Experimento piloto; consiste en determinar el valor de la frecuencia cardiaca en jóvenes de
20 años de la provincia de La Rioja.
Población: todos los jóvenes de 20 años de la provincia de La Rioja.
Muestra: Cantidad determinada de jóvenes de la provincia de la Rioja, seleccionados para el estudio.
Datos: Los valores obtenidos de cada medición, expresada en Latidos/min.
Variable: Frecuencia Cardiaca.
92
CONTINUAS
MENSURABLES o
CUANTITATIVAS
VARIABLES DISCONTINUAS O DISCRETAS
ORDINALES o ATRIBUTOS
CUALITATIVAS
1) VARIABLES MENSURABLES O CUANTITATIVAS: aquellas cuyos diferentes estados pueden ser
expresados en forma numérica. Es decir pueden ser medidas o cuantificadas.
-CONTINUAS: Toman valores infinitos entre dos puntos prefijados. Ej.: longitud, superficie, volumen,
peso, estatura, temperatura, tiempo, porcentaje, etc.
-DISCONTINUAS O DISCRETAS: sólo poseen algunos valores intermedios entre dos puntos prefijados.
Ej.: cantidad de dientes, de glándulas, número de hijos, de colonias de microorganismos, etc.
2) VARIABLES ORDINALES O CUALITATIVAS: son aquellas que no pueden ser medidas, pero pueden
ser ordenadas o clasificadas. Solo pueden ser expresadas cualitativamente como atributos. Ej.: blanco-
negro, alto-bajo, vivo-muerto, macho-hembra, etc. Si estos atributos presentan cierta frecuencia
pueden ser tratados estadísticamente.
Una vez formada la muestra y obtenidos los datos, se procede a organizar y graficarlos; en abscisas la
variable en estudio, y en ordenadas su frecuencia. De esta manera se podrá visualizar la forma de la
distribución de frecuencias y también expresarlos en forma numérica por medio de los estadísticos
descriptivos.
Estadísticos descriptivos: expresiones numéricas concisas y exactas de las propiedades de la
distribución, que permiten comparar los resultados con otros.
De esta manera se podrá trabajar con los datos en forma sencilla, comunicarlos y compartir los
descubrimientos.
CENTRALES O DE MEDIA
LOCALIZACIÓN MEDIANA
(Medidas de posición) MODA O MODO
ESTADÍSTICOS
RANGO
DE DISPERSIÓN DESVÍO STANDARD
(Medidas de dispersión) VARIANZA
COEFICIENTE DE VARIACIÓN
ERROR STANDARD
Los estadísticos de dispersión son parámetros poblacionales, los cuales son constantes propias de cada distribución.
ESTADÍSTICOS CENTRALES (MEDIDAS DE POSICIÓN)
1-MEDIA: o promedio, es el más importante de los estadísticos centrales.
Media Poblacional µ (mu): se obtiene sumando todas las observaciones individuales de la población y
dividida esta suma por el número de observaciones de la misma.
Son los valores que toma la variable en cada uno de los
𝐘𝟏 + 𝐘𝟐 + … + 𝐘𝐧 individuos poblacionales
µ= 𝐍
Es el número total de individuos de la población
93
Como la media poblacional es un valor teórico, se la puede estimar con precisión a través de la media
muestral.
Media Muestral ( X ): es el valor más representativo de la muestra.
Valores que toma la variable en cada uno de los individuos de la muestra
𝑿𝟏 + 𝑿𝟐 + … + 𝑿𝒏
X= 𝒏
Número total de individuos que componen la muestra
2-MEDIANA (M): Es el valor de la variable (en una sucesión de valores) que posee igual número de
valores a ambos lados, es decir divide a la distribución de frecuencias en dos mitades iguales.
Se deben ordenar de menor a mayor los datos.
Ejemplos:
Número impar de observaciones (n = 5): 3; 6; 11; 16; 19 M=11
Número par de observaciones (n = 6): 4; 7; 10; 12; 19; 25 M=11
Se toma el punto medio entre las dos observaciones centrales (10+12)/2= 11
3-MODA O MODO (m): Es el valor de la variable que tiene mayor frecuencia, es decir el valor
representado por el número máximo de individuos.
Ej. 2; 5; 5; 5; 8; 9; 9; 12; 15 m=5
ESTADÍSTICOS DE DISPERSIÓN (MEDIDAS DE DISPERSIÓN)
Ciertas distribuciones pueden poseer la misma media y tamaño muestral, pero difieren en la
dispersión de los datos, dando gráficos diferentes. Para poder caracterizar en forma completa una
distribución, se emplean los estadísticos de dispersión.
1-RANGO: significa el intervalo o extensión de la distribución, es decir la diferencia entre el valor más
grande y el más chico de la muestra. Estima el campo de la variación de la variable.
2-DESVIACIÓN STANDARD (σ): esta medida tiene en cuenta a todos los datos de la distribución al
comparar cada uno de ellos con la media. Es decir indica el grado de dispersión de los datos en torno a
la media poblacional o muestral.
Se obtiene calculando las desviaciones individuales, es decir la diferencias entre cada valor individual y
la media. Luego se elevan esas diferencias al cuadrado y se suman.
Desviación Standard poblacional (σ ) Desviación Standard Muestral (S)
2 2
𝚺 (𝒀−µ) 𝚺 ( 𝑿−𝑿 )
σ = S=
𝑵 𝒏−𝟏
94
Ej. 70; 75; 77; 78; 80; 80; 82; 83; 85; 90 X=80
Suma de cuadrados: 𝚺 ( 𝑿 − 𝑿 )2
X – X ( X – X )2 Al elevarlo al cuadrado y sumar
70 – 80= -10 -102= 100 (100+25+9+4+4+9+25+100=276)
75 – 80 = -5 -52= 25
77 – 80 = -3 -32= 9
2
78 – 80 = -2 -2 = 4
80 – 80 = 0 0 𝟐𝟕𝟔
S=
80 – 80 = 0 0 𝒏−𝟏
82 – 80 = 2 22= 4
2
83 – 80 = 3 3= 9
85 – 80 = 5 52= 25
90 – 80 =10 102= 100
276
3-VARIANZA: expresa el promedio de las N desviaciones cuadráticas. Es la Desviación Standard al
cuadrado.
Varianza Poblacional ( σ 2 ) Varianza Muestral ( S2 )
2
2 𝚺 ( 𝒀 − µ )2 2 𝚺( 𝑿−𝑿 )
σ = S =
𝑵 𝒏−𝟏
4-COEFICIENTE DE VARIACIÓN (C.V.): permite comparar la variación en poblaciones que poseen
diferentes medidas y es la desviación estándar expresada como un porcentaje de la media.
𝛔 . 100 𝐒 . 100
C. V. = C. V. =
µ 𝑿
Cuando la muestra es aleatoria simple (m.a.s.) es decir tomada de una misma población, a sus
parámetros: Media, Desvío Standard y Varianza poblacionales, se las puede estimar muy bien a través
de los estadísticos muestrales; Media ( X ), Desvío Standard (S) y varianza (S2 ).
Para que “S” y “S2“sean buenos estimadores, la suma de los cuadrados se divide por los grados de
libertad (n – 1). Además deben ser INSESGADOS, es decir deben reproducir a los poblacionales. Si los
parámetros muestrales no pueden reproducir con cierta exactitud a los poblacionales se dice que son
SESGADOS (imprecisos incorrectos).
En el único caso que la división por “n” es apropiada, es cuando el interés del investigador se limita a la
muestra, donde esta pasa a ser la población.
5-ERROR STANDARD: término que se emplea para designar a la desviación de un estadístico.
ESTM:(ERROR STANDARD DEL TÉRMINO MEDIO): es la desviación estándar de la media, si se tomaran
varias muestras de un mismo universo.
Es una medida de la precisión obtenida y de la validez de la muestra elegida.
𝑫𝑺
ESTM =
𝒏
Siempre el ESTM será menor que el DS.
Y tanto menor, cuanto mayor sea el número de casos observados.
Cuanto menor sea el ESTM, la diferencia entre el TM de este grupo y el TM de otro grupo, tendrá
mayor significación.
95
Ejemplo: En base a los siguientes datos: 17; 18; 18; 19; 18,5; 17,5; 18; 19,5; 16,5; 18;
Determine:
n=
a) Media X=
b) Mediana M =
c) Moda m =
d) Desvío Standard (S) DS =
e) Varianza (S2) DS2 =
DS x 100
f) Coeficiente de Variación C.V. =
X
DS
g) Error Standard ESTM =
√𝒏
DISTRIBUCIÓN NORMAL
Conocida también como distribución Gaussiana.
Si conocemos la media ( X ) y desvió estándar (DS ), se puede decir que se conoce la distribución.
Se observa en variables continuas.
Características:
La curva de la distribución normal es simétrica respecto a su media y por lo tanto, la media, mediana y
moda están sobre el mismo punto.
Una variable distribuida normalmente puede tomar cualquier valor desde más a menos infinito.
Ejemplo: 50 ± 5
La DISTRIBUCIÓN NORMAL, es la más utilizada en bioestadística y su aplicación puede consistir por
ejemplo en:
o Saber si una determinada muestra se distribuye normalmente para recién entonces aplicar un
test determinado.
o Saber si una muestra se distribuye normalmente para poder aceptar o rechazar las hipótesis
acerca de la naturaleza de los factores que afectan el fenómeno en estudio.
o Hacer predicciones y test de hipótesis basados en la suposición de normalidad.
96
Ejemplo: teniendo en cuenta los valores de la frecuencia cardiaca; 80 ± 10 lat/min, para una población
de 250.000 habitantes, grafique la curva de distribución y determine:
a) ¿Cuántos habitantes tienen una frecuencia cardiaca entre 70 y 90 lat/min.?
b) ¿Cuantos habitantes se encuentran dentro de lo normal?
c) ¿Cuántos habitantes tienen una frecuencia cardiaca entre 60 y 80 lat/min.?
d) ¿Cuántos habitantes tienen una frecuencia cardiaca entre 80 y 110 lat/min.?
e) ¿Cuántos habitantes están comprendidos entre la X – 3DS?
f) ¿Cuántos están comprendidos entre la X ± 2DS?
Ejemplo: si los valores normales de glucemia oscilan entre 70 y 110 mg/dl, determinar la Media ±
Desvío Standard (X ± DS):
LÍMITES DE CONFIANZA Y PROBABILIDAD
Teorema central del límite: establece que a medida que aumenta el tamaño de la muestra, las medias
de las muestras extraídas de una población que sigue una distribución de cualquier tipo se
aproximarán hacia una distribución normal.
Por lo tanto este teorema permite usar la distribución normal para hacer inferencias estadísticas
acerca de las medias poblacionales en las cuales sus datos no se distribuyen normalmente.
Ahora para determinar el grado de confianza y credibilidad de los resultados que se obtienen de los
parámetros muestrales, y si reproducen a los poblacionales, hay que establecer los LÍMITES DE
CONFIANZA.
Para ello previamente hay que determinar el grado de certeza (seguridad) con el que se quiere
trabajar.
En medicina se toman +/- 2 Desvíos Standard (95% del área de la curva de distribución normal), lo cual
Implica una probabilidad de 0,95 de encontrarse dentro de los +/- 2 DS y una probabilidad de 0.05 de
estar por fuera de los +/- 2 Desvíos. Se denomina límites de confianza de la media al 95%, y el número
0,95 se denomina coeficiente de confianza.
La aplicación más frecuente de la estadística a la investigación biológica es la comprobación de
hipótesis científicas. Para ello es necesario aplicar Test estadísticos debido a que los resultados de los
experimentos no suelen estar absolutamente claros.
Un test estadístico examina un conjunto de datos muestrales y sobre la base de una distribución
esperada de los datos conduce a una decisión sobre si aceptar la hipótesis original o rechazarla y
elaborar otra.
97
Antes de aplicar cualquier método estadístico, el profesional debe contar con un sistema de
computación y un paquete estadístico adecuado para realizar las siguientes pruebas:
- Prueba de independencia
- Prueba de homogeneidad de varianza
- Prueba de normalidad
Ante el supuesto de normalidad, independencia y homogeneidad de varianza, se debe aplicar el
método ANOVA (análisis de varianza).
Posteriormente el investigador está en condiciones de aplicar un test estadístico:
A) TEST NO PARAMÉTRICOS (Cuando la distribución estadística del test no depende de la
distribución poblacional de la cual se extrajo la muestra)
- Test de Wilcoxon - Test de Mc. Nemar
- Test de Mann – Whitney - Test de igualdad de varianza poblacional
- Test de Fisher (Distribución “Chi - Test de Kruskal – Wallis
Cuadrado”)
B) TEST PARAMÉTRICOS (Cuando la distribución estadística del test depende de la distribución
poblacional de la cual se extrajo la muestra)
- Test de Tukey “T” - Test de Dunnett
- Test de Scheffe “S” - Test de Student “t” (solo para dos
- Test de Duncan muestras)
- Test de Studet – Newman – Keuls “SNK”
TEST T (STUDENT)
Se utiliza para determinar si hay una diferencia significativa entre las medias de dos muestras
independientes, es decir que se utiliza cuando deseamos comparar dos medias.
1-ES Dif: ERROR STANDARD DE LA DIFERENCIA DE TÉRMINOS MEDIOS
Para comparar la diferencia que existe entre dos grupos. Por ejemplo una muestra A y otra denominada
B.
Fórmula:
ES Dif. = (ESTMA)2 + (ESTMB)2 Cuanto menor sea el ESTM, menor será el ES Dif.
2-SIGNIFICACIÓN: podemos determinar si la diferencia entre dos términos es significativa o no.
Significativo: igual o mayor que 1,96.
XA – XB (Diferencia de Términos medios)
SIGNIFICACIÓN =
ES Dif. (Error Standard de la diferencia de términos medios)
3-PROBABILIDAD (P): con el resultado anterior se obtiene la P en las tablas respectivas: TEST “t”
(muestras hasta 30 casos). El TEST “Z” (más de 30 casos).
P SIGNIFICATIVA: menor a 0,05 P NO SIGNIFICATIVA: mayor a 0,05
Un resultado se denomina estadísticamente significativo cuando NO es probable que haya sido debido
al azar. Una "diferencia estadísticamente significativa" solamente significa que hay evidencias
estadísticas de que HAY UNA DIFERENCIA.
98
Ejemplo: suponiendo que tenemos dos muestras, denominadas A y B, donde estudiamos la variable
frecuencia cardíaca en Lat/min. y queremos comparar sus medias, para determinar si existe una
diferencia significativa o no entre ellas, teniendo en cuenta los siguientes estadísticos:
MUESTRA A MUESTRA B
n= 10 n=10
XA= 80 Lat/min XB= 75 Lat/min
DS= DS=
ESTMA = ESTM B =
1) ES Dif. = (ESTMA)2 + (ESTMB)2
XA – XB
2) SIGNIFICACIÓN =
ES Dif.
3) Con el valor de significación (Punto crítico), se obtiene la P en la tabla t.
P=
99
PRUEBA DE “t” PARA MUESTRAS DE DATOS APAREADOS:
En una única muestra se estudia si existe una diferencia significativa en la variable resultado antes y
después de algún acontecimiento relevante. Por ejemplo la evaluación de individuos antes y después de
un tratamiento.
Ejemplo: para saber si hay diferencias entre los niveles en sangre de glucosa pre-prandial (pre-pr) y post-
prandial (post-pr) en mg/dL, es decir antes de la ingesta de comidas y 2 horas después de la misma, el
planteamiento del problema se realiza de la siguiente manera:
a) Cálculo de la diferencia media.
𝚺𝐝
d=
𝒏
b) Cálculo del DESVÍO STANDARD:
2
𝚺( 𝒅−𝒅 )
DS = 𝒏−𝟏
c) Cálculo del ERROR STANDARD DE LA DIFERENCIA
𝑫𝑺
Ed = 𝒏
d) Cálculo de la SIGNIFICACIÓN: Con este resultado se consulta la tabla test “t” para obtener el valor
de la posibilidad (P).
𝐝
SIGNIFICACIÓN =
𝐄d
100
101
102
La TRANSFORMACIÓN Z, denominada también DESVIACIÓN RELATIVA, expresa la desviación desde la
media de un valor x, medido en unidades de desviación estándar.
Dicho de otra manera; da una idea de la distancia que existe entre un dato individual de la muestra
estudiada y la media de dicha muestra, expresada en términos de desviación estándar.
(𝒙−𝒙)
Z=
𝑺
103
