Medicina Basada en la Evidencia

Inferencia estadística: probabilidad, variables aleatorias y distribuciones de probabilidad… – 535 – babilidad conocida, podremos estimar su precisión (in- tervalo de confianza) y hacer contrastes de hipótesis. La distribución de probabilidad de estas estimaciones pun- tuales va a depender del tipo de variable, del tamaño muestral, de su magnitud y, para variables continuas, de otros parámetros descritos en la muestra (por ej.: desvia- ción típica). Con estos parámetros calcularemos los esta- dísticos de referencia, equivalentes al valor Z que vimos para la distribución normal, a los que les corresponderá una probabilidad, que podemos consultar en tablas o que directamente nos dará el programa estadístico. También podremos hacer el paso inverso, encontrar el va- lor o rango de valores que corresponde a una probabili- dad; esto nos servirá, por ejemplo, para calcular entre qué valores se encontrarán el 95% de las estimaciones teóri- cas, lo que corresponde al intervalo de confianza del 95%. En la Figura 4 vemos las principales distribuciones de probabilidad continuas. Entre ellas, se encuentran algu- nas de las más frecuentemente utilizadas, como la distri- bución de ji-cuadrado (χ 2 ), la t de Student y la F de Sne- decor. La distribución de ji-cuadrado es la que siguen las diferencias entre valores esperados y observados de una tabla de contingencia y la emplearemos cuando realice- mos un test de χ 2 . La distribución t de Student, es la que siguen las diferencias de medias, por lo que la empleare- mos cuando hagamos una comparación de medias, con un test de la t de Student. La distribución F de Snedecor es la que siguen los cocientes de varianzas, por lo que la emplearemos cuando hagamos un análisis de la varianza. Igualmente, hay distribuciones de probabilidad de va- riables discretas, como la distribución binomial y la hipergeométrica, que emplearemos en pruebas exac- tas, como el test exacto de Fisher, o la distribución de Poisson, que describe la ocurrencia de eventos raros en intervalos de tiempo o espacio, que resulta muy útil para estimar intervalos de frecuencias de enfermeda- des poco frecuentes. Figura 4. Representación gráfica de tres distribuciones de probabilidad diferentes: χ 2 con 3 grados de libertad (gl), t de Student con 30 gl y F de Snedecor con 2 y 5 gl Distribuciones de probabilidad F de Snedecor ji-cuadrado t de Student Densidad 1,00 0,75 0,50 0,25 0,0 Anexo 1. Cálculo de probabilidad con distribución normal 1. Lanzar RCommander 2. Seleccionar las opciones de menú: Distribuciones ➝ Distribuciones continuas ➝ Distribución normal ➝ Probabilidades normales acumuladas... 3. Introducir los valores en el recuadro emergente: valor de la variable (45), media (50) y desviación típica (2). Seleccionar cola izquierda (estamos interesados en saber la probabilidad de los menores de 45) 4. Pulsar aceptar. Se muestra el valor de p = 0,006 Anexo 2. Cálculo de un valor a partir de su probabilidad 1. Lanzar RCommander 2. Seleccionar las opciones de menú: Distribuciones ➝ Distribuciones continuas ➝ Distribución normal ➝ Cuantiles normales… 3. Introducir los valores en el recuadro emergente: probabilidades (0,05), media (50) y desviación típica (2). Seleccionar cola izquierda (estamos interesados en saber la longitud que deja a la izquierda el 5% de los recién nacidos) 4. Pulsar aceptar. Se muestra el valor de longitud de 46,7 cm. El 5% tendrán una longitud menor de 46,7 cm