Hola

holUna de las distribuciones teóricas mejor estudiadas en los textos de
bioestadística y más estudiada en la práctica es la DISTRIBUCIÓN NORMAL,
también llamada Distribución o C ampana de Gauss (Abraham de Moivre → →
Carl Friedrich Gauss)
IMPORTANCIA → → la frecuencia con los que distintas variables
asociadas a fenómenos n aturales y cotidianos siguen, aproximadamente, esta
distribución:Curso – Taller
“EPIDEMIOLOGÍA”

- Caracteres Morfológicos
- Caracteres Psicológicos

Muchos procedimientos estadísticos se basan en el supuesto de
normalidad de los datos observados → → una muestra proviene de una
población que se distribuye normalmente.

Módulo 4
ESTADÍSTICA INFERENCIAL
1

DISTRIBUCIÓN NORMAL

2

DISTRIBUCIÓN NORMAL

- La distribución de una variable normalestá completamente
determinada por dos parámetros: su m edia (µ) y su varianza (σ2).
X ~ N ( μ , σ2 )

X se distribuye normal con media µ y varianza σ2

3

Bioestadística - UST

4

1

DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN NORMAL

5

6

DISTRIBUCIÓN NORMAL

DISTRIBUCIÓN NORMAL
PROPIEDADES
v.- La Distribución Normal satisface lo siguiente:
µ ± σ → 68,27% de los valores
µ ± 2σ→ 95,45% de los valores
µ ± 3σ → 99,74% de los valores

7

Bioestadística - UST

8

2

- Cuando queramos hacer inferencia estadística vamos a ver, en las
próximas sesiones, que la Distribución Normal aparece de forma casi
inevitable.

- Dependiendo del problema, podemos encontrar otras distribuciones
(asociadas):
- χ2 (Chi cuadrado)
- t - student
- F - Snedecor
- Estasdistribuciones resultan directamente de operar con
distribuciones normales. Típicamente aparecen como distribuciones de
ciertos estadísticos.

El propósito de un estudio estadístico es la de extraer
conclusiones acerca de la naturaleza de una población.
Como ya habíamos visto anteriormente, al ser una población
muy grande y no poder estudiarla en su integridad en la mayoría de los
casos, lasconclusiones obtenidas deberán basarse en el examen de
solamente una parte de ésta.
Esto nos lleva, en primer lugar a la justificación, necesidad y
definición de las diferentes técnicas de m uestreo.
En segundo lugar, será necesario utilizar la información obtenida
m ediante las muestras para extraer inferencias, conclusiones o
generalizaciones acerca de una población.

A esto último es loque se llama INFERENCIA ESTADÍSTICA

9

La Inferencia Estadística se puede dividir en dos áreas
principales: ESTIMACIÓN DE PARÁMETROS y PRUEBAS DE
HIPÓTESIS
Para la estimación de un valor de una variable (parámetro)
puede ser realizada m ediante una ESTIMACIÓN PUNTUAL o m ediante
una ESTIMACIÓN POR INTERVALOS DE CONFIANZA
Así tenemos:

10

ESTIMACIÓN PUNTUAL

- Consiste en inferir elvalor de algún parámetro desconocido de la
población en base a una m uestra.
- Propiedades deseables de un Estimador:
a.- CONSISTENCIA: cuando el tamaño de la muestra crece
arbitrariamente, el valor estimado se aproxima al parámetro
desconocido de la población.

Estimación Puntual

b.- CARENCIA DE SESGO: el valor m edio que se obtiene de
la estimación para diferentes m uestras debe serel valor del
parámetro.

Estimación por Intervalos
de Confianza

c.- EFICIENCIA: al estimador no puede exigírsele que para
una m uestra cualquiera se obtenga como estimación el valor
exacto del parámetro. Sin embargo podemos pedirle que su
dispersión con respecto al valor central (varianza) sea tan
pequeña como sea posible.
d.- SUFICIENCIA: el estimador deberá aprovechar toda lainformación existente en la m uestra.

ESTIMACION DE
PARÁMETROS
INFERENCIA
ESTADÍSTICA
PRUEBAS DE
HIPÓTESIS
11

Bioestadística - UST

12

3

ESTIMACIÓN POR INTERVALOS DE CONFIANZA
- Hasta ahora hemos establecido alguna teoría que concierne a la
definición y concepto de un estimador puntual, así como las
propiedades deseables que debe verificar para considerar el
producto una...