Bioestadística : Introducción.

La Bioestadística no es más que metodologías que ayudan para la toma de

decisiones o para intentar modelar ó predir cosas
 ¿Qué es la Bioestadística?
Diccionario de la Real Academia Española:

1. Estudio de los datos cuantitativos de la población, de los recursos

naturales e industriales, del tráfico o de cualquier otra
manifestación de las sociedades humanas.

2. Conjunto de estos datos.

3. Rama de la matemática que utiliza grandes conjuntos de datos

numéricos para obtener inferencias basadas en el cálculo de
probabilidades.
¿Qué es la Bioestadística?

• “Medio para recolectar y

representar grandes
cantidades de información”

• “Medio para tomar

decisiones de frente a la
incertidumbre”
 ¿Porqué la estadística es
importante?
¿Qué variedad de ¿Ventas
pasto elegiré?, mensuales?
¿porqué razón? Pruebas de control de
calidad de la leche
¿Mejor resistencia?

Estudios
¿tasa de interés?
interlaboratorios

¿Fenómenos La estadística
ambientales? herramienta
fundamental
en la toma
de decisiones
 ¿Para qué sirve la estadística?
• La Ciencia se ocupa en general de fenómenos observables

• La Ciencia se desarrolla observando hechos, formulando leyes que los

explican y realizando experimentos para validar o rechazar dichas leyes

• Los modelos que crea la ciencia son de tipo determinista o aleatorio

(estocástico)

• La Estadística se utiliza como tecnología al servicio de las ciencias

donde la variabilidad y la incertidumbre forman parte de su naturaleza

• “La Bioestadística [...] enseña y ayuda a investigar en todas las áreas

de las Ciencias de la Vida donde la variablidad no es la excepción sino
la regla”
Carrasco de la Peña (1982)
5
 Bioestadística
• Es mucho más que números y graficas bonitas.

• Es una ciencia con tanta antigüedad como la escritura y por si misma

auxliar de todas las demás ciencias.

• La ausencia de esta lleva al caos, por la ausencia de información

“digerida” para tomar decisiones.

• La estadística trata de recopilar, organizar, presentar, analizar e

interpretar datos numéricos con el fin de realizar una toma de
decisiones más efectiva ó hacer una previsión para el futuro.
 Historia
• Origenes en juegos de azar y censos.
• Siglo XVIII desarrolló teoría de Probabilidades (Gauss, Laplace,
Bayes, etc). Discusión filosófica sigue hasta ahora.
• Muchas teorías, principalmente de carácter biológico como las de
Mendel o Darwin tuvieron bases estadísticas
• Mayoría de métodos modernos se desarrollaron desde mediados
del siglo XIX y principios del XX (Pearson, Student, Fisher…),
principalmente para uso en biología, agricultura y genética
 Importancia global
• Se aplican de manera amplia en
Mercadotecnia, contabilidad, control de
calidad, estudio de consumidores, análisis de
resultados en deporte, administradores de
instituciones, en la educación, los organismos
políticos y por otras personas que intervienen
en la toma de decisiones
 Definiciones básicas
Población: Conjunto de elementos que se quiere estudiar.
• Habitantes de una ciudad.
• Televisores fabricados en una factoría.
• Alumnos de primero de bachillerato.
Muestra: Cualquier subconjunto de una población. El número de
elementos de una muestra se llama tamaño.

Variable estadística : Cada uno de los rasgos o características que se

quiere estudiar de los elementos de la población, susceptible o no de
medida.
• Color del pelo: negro, castaño, rubio o pelirrojo
• Sexo: hombre o mujer
• Miembros asalariados de una familia: 0, 1 , 2 , 3 ,4 ,
• Alturas de alumnos:178, 169, 172, 183, …
9
 Definiciones básicas
Individuo: Cada uno de los elementos que componen una población y/o
muestra .
• Es sinónimo de unidad básica o última del muestreo

Carácter : Propiedad o cualidad que presentan los elementos de una

población que se desea estudiar .
• Cualitativo cuando no puede medirse numéricamente
• Cuantitativo cuando puede medirse numéricamente (Variable)

Estadístico : Es una medida descriptiva de una muestra

• Ingreso promedio de los trabajadores

• Frecuencia de venta de productos 10
 Tipos de Estadística
• La Estadística descriptiva o deductiva:
– Trata del recuento, ordenación y clasificación de
los datos obtenidos de las observaciones:
• Construcción de tablas, gráficos y cálculo de parámetros.

• La Estadística inferencial o inductiva:

– Utiliza los resultados de la estadística
descriptiva y se apoya en el cálculo de
probabilidades para la obtención de
conclusiones sobre una población a partir de los
resultados obtenidos de una muestra.
11
 Variables cualitativas y cuantitativas
Ordinales • Escalas
• Etapas

Cualitativ as
 (Cualidades ,
• Colores
 categorías o • Lugares
 atributos) Nominales
• Profesiones


Variables   Discretas • Número de hijos
  (Unidades • Páginas de un libro
Cuantitati vas  completas )
 
 (Aquellas 
 medibles  • Edad
numéricamente) Continuas • Peso
(Cualquier • Talla
valor en un • Tiempo
rango)
12
 Tipos de Variables Cualitativas
• Dicotómicas: Sólo hay dos categoría, que son excluyentes una
de la otra
Ejemplo: enfermo-sano, muerto-vivo, mujer-hombre

• Nominal: tiene mas de dos categorías y no hay orden entre

ellas.
Ejemplo: color de los ojos, grupo sanguíneo

• Ordinal: tiene varias categorías y hay orden entre ellas.

Ejemplo: grado tumoral, calificación del riesgo en
anestesia.

13
 Tipos de Variables Cuantitativas

• Continuas: números infinito no numerables de elementos. Tiene

asociado el concepto de medida, en unidades a veces
fraccionarias.
Ejemplo: Presión arterial, Edad, peso.

• Discretas: números finitos o infinitos numerables de elementos.

Se asocia con el concepto de conteo.
Ejemplo: N° de hijos, N° de casos de
brucelosis bovina por estado.

14
 Errores estadísticos comunes
• En la recopilación y digitación de los datos
• Sin embargo hay errores más profundos que pueden ser identificables:
• Sesgo: Es importante ser completamente objetivo y no tener ideas
preconcebidas antés de empezar a estudiar un problema (Sesgo hacia la
propia hipotesis).
• Datos comparables
• Proyección descuidada de tendencias: proyección simplista de
tendencias sin el análisis profundo.
• Muestreo incorrecto: si la muestra es correctamente tomada deberá
tener las mismas propiedades que la población, de lo contrario los
resultados no indican nada.
 Principales funciones de la
Bioestadística
• Resumir información (Mediante estadística descriptiva).
• Ayudar a tomar decisiones (mediante pruebas de hipotesis).
• Diseño e interpretación de resultados de experimentos (Diseño de
experimentos y Modelación).

Inferencia estadística

Distribuciones:
Binomial
Prueba de hipotesis:
Normal
Poison Ho:Ux<0
etc
Media, Sd,
Cv, etc
Importancia de la Bioestadística en la Zootecnia
• Es una herramienta fundamental en la investigación de los fenomenos
biológicos.
• Todas las decisiones son tomadas con base a alguna información
estadistica.
• El cerebro funciona con prejuicios (experiencia), similar a la
estadística, sólo que se pierde información a largo plazo.
• Ayuda en la toma de decisiones en todos los campos incluida la vida
cotidiana.
• Sirve para sustentar las decisiones tomadas, permitiendo un apoyo
adicional que evita futuros cuestionamientos por la decisión tomada.
 Ejemplo
• La introducción de instalaciones de concreto para granjas porcinas hace algunas
decadas, fueron promocionadas como un grana avance tecnológico que permitía
mayor eficiencia en el control sanitario. Sin embargo, los resultados mostraban un
aumento en la mortalidad antes de la semana diez.
• Los patologos dijeron que era un problema de hierro y se trataron los animales con
hierro (anemia por privación).
• Pero después de esto se observó un aumento de enfermedades por bacterias
oportunistas.
• Sin embargo, los animaless libres ó con acceso a tierra no tenían problemas, por lo
que se pensó poner un poco de tierra en las instalaciones para ver si los lechones lo
buscaban.
• Este ejemplo ilustra la metodología científica como un fenómeno puede ser
estudiado, con la intervención estadística en todo el proceso.
 Hipotesis
• Los niveles metabolicos de hierro fueron controlados por los propios
cerdos cuando tenían acceso a la tierra.

• Además, el exceso de hierro circundante, provocado por la dosis

suministrada, aumenta la frecuencia de las enfermedades bacterianas

• Para esto es necesario probar las diferencias en el hierro disponible

usando los dos ambientes bajo las mismas condiciones en los demás
factores y luego comparar. Sin embargo, la diferencia debe ser
estadíticamente significativa
 ¿Estadísticamente significativo?

• Ejemplo
 La bioestadística en las ciencias animales
(Ejemplos)
• Comprobar el efecto de adicionar una materia prima a un alimento
(comparar) e identificar alimentos alternativos.
• Comprobar la eficiencia de un probiótico con el fin de incluir antibióticos
en la alimentación animal.
• Encontrar diferencias entre la eficiencia productiva de diferentes cruces
de ganado lechero.
• Determinar el efecto de un gen sobre una característica genotipica
especifica.
• Comprobar el efecto de la vacunación en un población especifica.
• Determinar heredabilidades de carácterísticas especificas
 En las ciencias
• La estadística ayuda al investigador en varias etapas del diseño, desde el plan para la
recolección de datos, pasando por el resumen de los datos recolectados, el análisis de
resultados, la inferencia y la evaluación de la incertidumbre de la inferencia.
• Es importante manejar las diferentes herramientas informaticas que facilitan el
procedimiento de datos
Importancia de la bioestadística en la zootecnia
• En genética?
• En mercadeo?
• En gerencia o Administración? (informes)
• Para la toma de decisiones?
• El Medicina?
• En investigación?
• En reproducción?
• Planeación ó proyección?
• En nutrición?
• etc
Estadística
Estadística
Naturaleza aleatoria y deterministica
de los procesos biológicos
 Estadística-variable
• Carácterísticas de las unidades muestrales, que varía o cambia de una
unidad a otra.
• Si todas las unidades muestrales son homogéneas para una carácterística
especifica, entonces hablamos de una constante y no una variable.
• Ejemplos: espesor de la grasa dorsal, área del ojo del lomo, % de grasa de
la leche, etc

¿Y cual sería una constante?

Los parámetros
 Principios básicos de la
experimentación
• Algunos principios se deben cumplir para garantizar estimaciones
correctas:

1. Repetición de unidades experimentales. N, y R dependen de la varios

factores (ética, economia, etc).
2. Distribución aleatoria de las unidades experimentales (Casualización).
3. Uniformidad de los animales experimentales (Edad, peso, raza, sexo, etc)
4. Uniformidad en la aplicación de los tratamientos
5. Uniformidad del medio
 Fenomeno aleatorio o determinista
• Suceso o fenomeno aleatorio: son fenomenos que pueden dar varios
resultados, es decir que no son previsibles aunque se realice bajo las
mismas condiciones (Obedecen al azar). Ejemplo: cartas que le tocarán a
un jugador de poker, producción de leche diaria, etc

• Suceso o fenomeno determinista: Son fenómenos o sucesos que

podemos saber lo que va a suceder cuando las condiciones iniciales son
conocidas, el sistema esta en uno de los estados de un subconjunto (no
azar). Ejemplo: El número de días que faltan para la luna llena, si llueve y
salgo me mojo, el sexo de un perro.
 Definiciones
• Experimento: Es observar el resultado de un fenomeno bien
definido (Aleatorio o determinista). Se puede repetir cuantas
veces se quiera.
• Cuando se repite un número suficiente de veces un
experimento aleatorio, es posible predecir un número
aproximado de ocurrencias del resultado.
• Es posible obtener una frecuencia relativa de acuerdo al
número de ocurrencias de un resultado sobre el número de
repeticiones del experimento, cuando se aproxima a un valor
estable la llamamos probabilidad del resultado.
 definiciones:
• Espacio muestral (Ω): es el conjunto de todos los resultados posibles
de un proceso experimental.
• Ejemplo: Una semilla puede estar sana (+) ó enferma (-), si miramos 3
semillas, el espacio muestral será:
• Ω = {+++, ++-, +--, --+, +-+, -+-, -++, ---}
• El punto muestral (ω): es cada uno de los elementos del espacio
muestra. Ejemplo: +++
• Unidad experimental: Es la unidad base del material experimental
sobre el que se aplicara un tratamiento. Ejemplo: La semilla, una vaca,
una parela, etc.
 Carácterísticas: poblacion

Ejemplo de población: Todos los individuos de una raza, una raza en una región, una
especie, los animales de una zona, de un país, etc
 Población
• Población: Conjunto de individuos o elementos que tienen una ó más
características comunes (caraterísticas físicas, espaciales o temporales).

• Muestra: Es cualquier subconjunto de una población

Parámetros: constante que caracterizan una población finita (letras griegas).

Estadísticos: son medidas de

resumen que se usan como
estimadores de los parámetros
(letras latinas)
 Uso de muestras
• Las muestras pretenden sacar conclusiones generales para toda la población, por lo
que debe ser representativa.
• La población está caracterizada por parámetros y por distribuciones de probabilidad
(Normal).
• Generalmente queremos conocer los parámetros (Medias, varianzas, correlaciones,
regresiones, etc).
• Normalmente no se trabaja con toda la población, por lo que se debe hacer un
muestreo que debe ser aleatorio y representativo.
• A partir de una muestra de tamaño N se calculan los estadísticos (promedio,
desviación estandar, coeficiente de correlación, regresión, etc), que son las
estimaciones de los parámetros de la población.
• A partir de estos se realizan pruebas de hipotesis (Ejemplo: diferencia entre medias)
• La etapa final es la inferencia estadística, o sea, extrapolar los resultados a la
población base (Importante en mejorameinto genético, Heredabilidad para toda la
población).
 Distribución de los datos

Por ejemplo: mirar las tallas en el grupo para ver como se comportan, Sin embargo a mayor N, mayor
tendencia a la normalidad.
Etapas de la investigación estadística