BIOESTADÍSTICA 01

Definición

 La estadística se ocupa de los métodos y procedimientos para

recoger, clasificar, resumir, y analizar los datos.
 Bioestadística: Aplicación de la estadística a los procesos biológicos,
incluyendo los de salud
Clasificación
• Estadística descriptiva
La Estadística Descriptiva es aquella rama de la Estadística mediante la cual
se trata de Presentar, Describir y Resumir datos obtenidos en una
investigación.
• Estadística inferencial
La Inferencia Estadística es aquella rama de la Estadística mediante la cual
se trata de sacar conclusiones de una población en estudio, a partir de la
información de la muestra.

Conceptos básicos
• Unidad de Análisis: Personas, u objetos que contienen cierta
información que se desea estudiar. Por ejemplo: un paciente, un
establecimiento de salud, un equipo etc.
• Población: Es la totalidad de unidades de análisis que poseen
algunas características comunes, susceptibles de observación.
• Muestra: Parte de la población o subconjunto de unidades de análisis
obtenidas con el fin de conocer las propiedades de la población. Debe
ser representativa de la población y adecuada
 • Parámetro: es una medida de resumen que
describe a una población.
• Estadístico: es una medida de resumen que
describe a una muestra.
• Variable:
Es la característica, propiedad o atributo de las unidades de análisis y
que varían de una unidad a otra.
Esta variación es susceptible de medirse.
Ejemplos: Presión sanguínea, frecuencia cardiaca, peso de niños,
edad de los pacientes que acuden a consulta. Etc
TIPOS DE VARIABLES
• POR SU INTERRELACION:
1. DEPENDIENTE: Es la que se relaciona con variable independiente (es el
efecto).
2. INDEPENDIENTES: Es la que modifica o produce un cambio en la
variable dependiente (es la causa).
3. INTERVINIENTE: influye ampliando o amortiguando efecto de la
variable independiente.

• POR SU NATURALEZA:
1. CUALITATIVAS: o categóricas, se refieren a propiedades o atributos,
no se mide, existe o no presencia de ella. Ejemplo: Sexo, Grado de
instrucción, lugar de procedencia. Etc.
2. CUANTITATIVA DISCRETA: discontinua, no puede fraccionarse, se
pueden contar. Ejemplo: Número de hijos, Pulsaciones por minuto.
Etc.
 3. CUANTITATIVA CONTINUA: puede fraccionarse, medirse y asumir
cualquier valor dentro del rango de medición. Ejemplo: peso, talla,
nivel de colesterol. Etc.

 ESCALAS DE MEDICIÓN
1. NOMINAL: Se clasifican según categorías, y no guardan un
orden. Ejemplo: sexo, lugar de procedencia, síntoma, etc.
2. ORDINAL: Las categorías de la variable se clasifica en forma
jerárquica. Ejemplo: Grado de instrucción, Estadio de la enfermedad,
etc.
3. INTERVALO: Tienen relación con el cero arbitrario o relativo.
Ejemplo: La temperatura, Coeficiente de inteligencia, rendimiento
académico, etc.
4. PROPORCION (RAZON): Tiene relación con el cero absoluto.
Es decir, indican ausencia total de medida. Ejemplo: el peso, la talla,
nivel de colesterol, etc.

OPERACIONALIZACION DE VARIABLES
• Es el proceso de llevar una variable del nivel abstracto a un plano
concreto.
• Operacionalizar una variable es hacerla medible.
ESQUEMA DE OPERACIONALIZACIOIN DE VARIABLES
Existen numerosos modelos y esquemas de Operacionalización. Uno
práctico que se sugiere es el siguiente:
1. Variable
2. Definición
3. Dimensiones
4. Indicadores
5. Sub indicadores
6. Escala de Medición

RECOLECCION DE DATOS

• En esta etapa empieza la ejecución de la investigación; es decir; el

investigador pone en marcha la etapa de Planeamiento.

• A través de la recolección, se obtienen los datos que se requieren para

alcanzar los objetivos y demostrar las hipótesis de la investigación. La
obtención de los datos se hace teniendo en cuenta La fuente de información,
los sistemas de recolección y la técnica de recolección.

FUENTES DE INFORMACION

• Cuando se recoge información es posible que los datos ya hayan sido

obtenidos de las unidades de observación y publicados o registrados por
otros (fuente secundaria); o que los datos se tengan que obtener
directamente de las unidades de observación en forma personal (fuente
primaria).

FUENTE PRIMARIA

• Si la información se obtiene directamente de la misma persona o entidad

utilizando ciertas técnicas (encuesta, entrevistas, discusión grupal, etc..)

• Ejemplo: Observar la reacción de un grupo de pacientes con determinada

enfermedad.

FUENTE SECUNDARIA
• Si la información a obtener ya ha sido recopilada y elaborada por otras personas o
instituciones.

• Este tipo de información la encontramos en los informes estadísticos de las

instituciones publicas y privadas. En el Perú, el Instituto Nacional de Estadística e
Informática publica boletines estadísticos con respecto a la Producción, Inversión,
población, migración, salud, etc.
BIOESTADISITICA 02- PRESENTACIÓN
DE DATOS
RECOLECCIÓN DE DATOS
• En una investigación, la recolección de datos es un paso crucial e
indispensable.
• Los datos se obtienen de una medición o de un conteo de las
variables de interés (cuantitativas o cualitativas).
FUENTES DE DATOS
– Primarias: Aquellos datos que son generados por el investigador,
quien los obtiene directamente de las unidades de observación.
– Se registran usando diversas técnicas: cuestionario, entrevista,
observación, experimentación, entre otros.
– Secundarios: Aquellos datos obtenidos anteriormente de las
unidades de observación y que se encuentran documentados en:
revistas, tesis, censos, registros, publicaciones de organizaciones,
publicaciones en Internet, entre otros.
PRESENTACIÓN DE LOS DATOS
Después de recopilar y revisar los datos necesarios para la investigación, se
deben clasificar y presentar de forma adecuada para permitir su análisis e
interpretación.
La presentación de los datos puede hacerse en:
• Tablas de frecuencia
• Gráfica de frecuencias

 TIPO DE FRECUENCIAS
• Frecuencia absoluta simple (fi): Indica el número de veces que
aparece repetido dicho valor en el conjunto de observaciones
estudiadas.
• Frecuencia absoluta acumulada (Fi): indica la suma de las
frecuencias absolutas.
• Frecuencia relativa simple porcentual (hi%): Indica el porcentaje
del total de observaciones que representa el valor, es el cociente
entre la frecuencia absoluta simple y el número total de
observaciones, multiplicado por 100.
 fi
hi% = ______x 100
n
• Frecuencia relativa acumulada (Hi%):
Indica la suma de las frecuencias relativas porcentual

 COMPONENTES E UNA TABLA DE FRECUENCIAS:

1. Número de la tabla.
2. Titulo de la tabla: Debe ser claro y preciso. Debe responder a las
siguientes preguntas: ¿Qué contiene la tabla?, ¿Cómo se esta
presentando la tabla?, ¿ A dónde pertenecen los datos? y ¿A que
tiempo pertenecen los datos?.
3. Cuerpo de la tabla: Aquí va la variable de estudio, las frecuencias
absolutas y relativas simples y acumuladas.
4. 4. Fuente: Es el lugar de donde se obtuvo los datos.
5. 5. Notas aclaratorias. En el caso en que se quiera hacer alguna
aclaración a la información de la tabla. También se le conoce como
pie de llamada.
6. En la práctica cuando se recoge la información de variables
cualitativas o categóricas, los datos se presentan en forma
desordenada, como por ejemplo:
7. El registro del servicio de emergencia del Hospital Regional de
Lambayeque tiene información de la intensidad de dolor del cólico
renal de 50 pacientes atendidos en el mes de enero del 2018. La
intensidad de dolor se registro como Leve (L), Moderado (M),
Severo(S).
L, L, M, L, S, S, S, L, M, S,
S, S, S, L, L, M, S, S, S, S,
S, L, M, M, M, S, L, M, S, S,
S, L, M, S, S, S, S, M, M, S
S, M, M, M, S, S, S, S, S, L
Caso de las variables cuantitativas continuas
 En el caso de las variables continuas, hay una cantidad muy grande
de posibles valores.
 Cuando se manejan más de 30 observaciones es necesario usar
intervalos que permitan ordenar de forma práctica los valores.
 Sólo cuando se dividen los valores en intervalos encontramos en la
tabla de frecuencias: clase, marca de clase y límites reales.
 Para crearlos existe un procedimiento e implica la aparición de 3
nuevas columnas:
 Clase: indica el número de intervalo del que se trata.

 Marca de clase (Xi): es un promedio de los límites del intervalo de

clase i. Es el número representativo del intervalo.
 Límites reales: cada intervalo tiene números que representan sus
límites, pero los límites reales indican los verdaderos valores que
toma una medición, ya que los límites nominales son aparentes.

 PROCEDIMIENTO PARA CONSTRUIR TABLAS DE

FRECUENCIAS
1.- Encontrar la amplitud (R) del conjunto de datos, es decir el
valor
máximo menos el valor mínimo, mas una unidad de medida.
R=(Vmax – Vmin)
Ejemplo.- Considerando los datos de edad dado en el tabla
tenemos:
R=(71 – 30)= 41
2-Determinar el número de intervalos (k), utilizando
la siguiente fórmula:
k= 1 + 3.322 log n
En relación al ejemplo se tiene que:
k=1 + 3.322 log 30 = 5.9
En este caso K puede ser: 4, 5 o 6; se elige el valor de K con
menor exceso
3-Determinar la amplitud del intervalo de clase (C), utilizando
la siguiente expresión:
C= R / k
Asumiendo K=4 C=41/4=10.25 ˜11 Rt= KxC= 4X11=44
Ex=3
Asumiendo K=5 C=41/5=8.2 ˜9 Rt= KxC= 5x9=45 Ex=4
Asumiendo K=6 C=41/6=6.8 ˜7 Rt= KxC= 6X7=42 Ex=1
En este caso K=6
4- La clasificación de los datos de una variable continua puede
hacerse manualmente o en form a automatizada.
  PROPIEDADES DE LAS FRECUENCIAS

 Las frecuencias absolutas son siempre valores enteros.

 La suma de las frecuencias absolutas es igual n.
 Las frecuencias relativas son siempre valores fraccionarios.
O < h1 < 1
 La suma de las frecuencias relativas es igual 1
 El último valor de las frecuencias absolutas acumuladas es igual a n
 El último valor correspondiente a las frecuencias relativas debe ser
igual a 1

donde:
fi: Frecuencia absoluta del i-ésimo intervalo, nos indica número de
veces que aparece repetido dicho valor en el conjunto de
observaciones estudiadas.
Fi: Frecuencia absoluta acumulada de la clase i nos indica la suma
de las
frecuencias absolutas de los iguales o inferiores a el.
F1=f1
F2=f1+f2
hi%: Frecuencia relativa de la clase i es el cociente entre la
frecuencia absoluta y el número total de observaciones
multiplicando por 100.
hi% = fi/n*100
Hi%: Frecuencia relativa acumulada de la clase i, es la frecuencia
absoluta acumulada dividido por el número total de
observaciones.
Hi% = Fi/n*100
Xi: Es la marca de clase de la clase i se determina mediante el
promedio de los límites de dicho intervalo.

Método Gráfico
 En esencia, un gráfico estadístico es la presentación de la
información por medio de figuras geométricas.
 El objetivo primordial de un gráfico es dar una impresión visual de
conjunto para una rápida y fácil comprensión.
  No deben considerarse como sustitutos de un tratamiento estadístico
de los datos, sino más bien como ayuda visual para interpretar
problemas estadísticos.
 Debe ser sencillo y explicativo; en un buen gráfico se puede:
 Apreciar tendencias, variaciones, cambios y realizar
visualmente comparaciones.
 Relacionar 2 o más series de datos superpuestos en un mismo
gráfico.
Histograma
 Muestra la distribución de datos cuantitativos
 El área es proporcional a la frecuencia respectiva
 Representa a la frecuencias absolutas o relativas
 Tiene como base los límites reales de los intervalos de clase.

Polígono de frecuencias
(simples),
Este gráfico se obtiene uniendo los
puntos medios superiores de los
rectángulos del histograma, formándose
de esta manera un gráfico lineal, el cual
debe llevarse hasta el eje x en los
extremos del límite inferior del primer
intervalo y superior del último intervalo
respectivamente.
El área total bajo el polígono equivale al
área del histograma.
Polígono de frecuencias (acumuladas) OJIVA
Denominado también ojiva, utiliza las frecuencias absolutas o relativas
acumuladas, y consiste en un gráfico lineal que nos permite observar la
cantidad de elementos que quedan por encima o por debajo de
determinados valores de los límites de los intervalos de clase.
La ojiva se obtiene uniendo los puntos
que le corresponden a las frecuencias
acumuladas de los respectivos límites
superiores de cada intervalo.

BIOESTADISTICA 03- PROPORCIÓN,

TAZA, RAZÓN
PRINCIPALES INDICADORES DE SALUD
La forma más común de construir indicadores de salud es en base a:
 PROPORCIONES

 RAZONES

 TAZAS

PROPORCIÓN
Es un cociente entre una parte con respecto al todo.
Ejemplo: Se tiene n unidades que se clasifican según la característica A
Característica A Nº Proporción
a1 n1 p1 = n1/n
a2 n2 p2 = n2/n
Total n
1______

RAZÓN
Es un cociente entre dos cantidades de distinta naturaleza, es decir, el
numerador no es parte del denominador.
 R = a/b

Razón de masculinidad = nº varones

nº mujeres

TASA
Tasa es una proporción que mide riesgo, es decir, la probabilidad de hacer
una enfermedad. Una tasa se define como:
T = Afectados * K K : 100, 1000, 100000, etc
población
Afectados: Número de individuos afectados por un daño en un periodo
determinado y área geográfica.
Población: Población expuesta al daño en dicho periodo y área geográfica.
Tasa de general de fecundidad
 Tasa Específica de Mortalidad
52,558
TME 60 y + = _________ x 1000 = 50
1 440,127

Interpretación: En el lugar X, durante el tiempo Y, fallecieron en promedio

50 personas de 60 a más años por cada 1000 de ese grupo de edad.
Otro tipo de Tasas
N° anual de defunciones de menores de 1 año de edad

 Tasa de mortalidad infantil =__________________________________________ x K

Total de nacidos vivos en dicho año

N° anual de muertes de mujeres por causas

relacionados al embrazo o dentro de los 42

días

Siguientes a la terminación del embarazo.

Tasa de mortalidad materna = __________________________________________ x K

Total de nacidos vivos en dicho año

Muertes relacionadas con el embarazo: se define como la muerte de una

mujer mientras está en embarazo o dentro de los 42 días siguientes a la
terminación del mismo, independientemente de la causa de la defunción. Incluye
muertes por accidente, homicidio o suicidio.

INCIDENCIA Y PREVALENCIA
Dos formas de medir enfermedades:

 Contamos los individuos que cambian de estar sanos a enfermos.

 Contamos los individuos que están enfermos.

 INCIDENCIA

 PREVALENCIA

INCIDENCIA
Es el número de nuevos casos de enfermedad que surgen en una población y en un
periodo de tiempo.

Dos medidas habituales de incidencia:

 INCIDENCIA ACUMULADA: Valora el riesgo

de enfermar.

 TASA DE INCIDENCIA: Valora la velocidad

de aparición de nuevos casos.

PREVALENCIA
 Es el número de casos total de enfermedad

(antiguos y nuevos) en una población.

 Es la proporción de sujetos enfermos

(casos) en la población a estudio.

 Refleja la magnitud de la enfermedad.

 Está en función de la incidencia y duración

de la enfermedad

BIOESTADISTICA 03- MEDIDAS DE

DISPERSIÓN
LAS MEDIDAS DE DISPERSIÓN O VARIABILIDAD
Son útiles porque:
 Permiten juzgar la confiabilidad de la medida de tendencia central.
 Los datos demasiados dispersos tienen un comportamiento especial.
 Es posible comparar dispersión de diversas muestras.
Ventajas
 fácil de calcular
 fácil de entender e interpretar
Desventajas
 sólo considera los valores extremos
 no toma en cuenta ni el número de datos ni el valor de éstos
 no es posible de calcular en tablas con extremos abiertos.
USO DE LAS DIFERENTES MEDIDAS DE DISPERSION
• La desviación estándar se emplea cuando también es apropiado el
uso de la media, es decir, con distribuciones simétricas (no sesgadas)
de datos numéricos.
• Percentiles y rango intercuartilicos se emplean, cuando la distribución
no es simétrica(sesgada) y es apropiado el uso de la mediana.
USO DE LAS DIFERENTES MEDIDAS DE DISPERSION
• El rango es una medida apropiada para datos numéricos cuando el
propósito es enfatizar valores extremos.
• El coeficiente de variación es útil cuando la intención es comparar dos
distribuciones numéricas medidas en escalas diferentes.
EL “BOXPLOT” (DIAGRAMA DE CAJA)
• Al igual que el histograma y el gráfico de Tallo y Hoja permite tener
una idea visual de la distribución de los datos (simetría y variabilidad)
• Permite detectar outliers (valores extremos).
• Permite comparar la media y la variabilidad de varios grupos
(alternativa gráfica a pruebas estadísticas)
BOXPLOT: PROCEDIMIENTO
1. Dibujar una caja cuyo límite inferior será Q1 y el superior Q3. Dentro
de la caja trazar una línea que localice la mediana.
2. Calcular el rango intercuartílico: R.I. (Q) = RIQ = Q3
– Q1
3. Dibujar un “bigote” del borde inferior de la caja hasta Q1-1.5xRIQ .
4. Dibujar otro“bigote” del borde superior de la caja hasta Q3+1.5xRIQ .
 5. Dibujar cualquier observación que se ubique fueras de los bigotes
(estos serán los outliers).

BIOESTADISTICA 03- MEDIDAS EN LA ESTADÍSTICA DESCRIPTIVA

MEDIDAS DE TENDENCIA CENTRAL
Las medidas de tendencia central nos permiten resumir el conjunto de
observaciones en un valor, que describe a la característica de estudio de la
población.
Las tres medidas de tendencia central de uso más
frecuente son:
La media
La moda
La mediana
MEDIDAS DE TENDENCIA CENTRAL PARA DATOS NO AGRUPADOS
Media Aritmética: X
Es el valor representativo del conjunto de datos que se esta estudiando y
caracteriza a toda una distribución.
Se define como:
n

_  xi /n
i=1
X =

Ejemplo: Los siguientes datos son días hospitalarios

obtenidos de 5 pacientes
 Xi 10, 13, 15, 12 y 8 días
El número promedio de días de hospitalización
- 58
X = 10 + 13 + 15 + 12 + 8 = __ = 11.6
5 5
Interpretación: El número días promedio de hospitalización en los
pacientes es de 12 días aproximadamente.

 DESVENTAJA DE LA MEDIA ARITMETICA

La desventaja más relevante de la media aritmética es de que está afectada
por los valores extremos, ya que para el cálculo se incluye todos los datos.

LA MEDIANA (Me)
La mediana es un valor que divide a la distribución ordenada (en forma
ascendente o descendente) en dos grupos iguales, es decir a cada grupo le
corresponde el 50% de los datos.
50% | 50%
V. min. Me. V. máx.

Para calcular el valor de la mediana de los datos

x1, x2 ... Xn deben estar ordenados de menor a mayor o viceversa.
Ejemplo:
Hallar la mediana de los siguientes datos, que indica el número de días de
hospitalización de 5 pacientes:
12, 15, 13, 4, 10.
Ordenando la serie se tiene: 4, 10, 12, 13, 15

Interpretación:
El 50% de los pacientes tienen 12 días de hospitalización o menos y el
50% restante tiene por encima de 12 días de hospitalización.
Ejemplo:
Calcular la medina de los siguientes pesos (en Kg) de 6 niños: 35, 37, 40,
31, 27, 39
Ordenando los pesos en forma ascendente:
 Peso: 27, 31, 35, 37, 39, 40

Por tanto el valor de la mediana es:

Me = 35 + 37 = 72 = 36
2 2

Interpretación:
El 50% de los niños tienen un pesos igual o inferior a 36 Kg. Y el 50%
restante tendrán un peso por encima de los 36 Kg.
PROPIEDADES DE LA MEDIANA.
1. Es única , existe solamente una mediana para un conjunto de datos.
2. Los valores extremos no tienen efectos importantes sobre la mediana.
LA MODA (MO)
Se utiliza mayormente cuando se está interesado en la observación más
frecuente.
La Moda es la observación que mayormente se repite (o es la
observación que posee la mayor frecuencia).
Ejemplo: Hallar la moda en los siguientes datos:
2,5,7,2,8,2,2,1,2,4,2,2 La Mo = 2
1,8,6,4,2,4,3,2,1,5 Mo = 1
Mo = 2
Mo = 4
 1,7,9,3,8,5,6 No existe moda
PROPIEDADES DE LA MODA
1. Si todos los valores son diferentes, no hay moda.
2. En una distribución puede existir dos o más modas.
LOS CUANTILES.
Son aquellos que dividen a la distribución en cuatro, diez o cien partes
iguales.

 Cuartiles.
 Deciles.
 Percentiles.
 BIOESTADISTICA 04- INTRODUCCIÓN
AL CÁLCULO DE PROBABILIDADES
Probabilidad
El concepto de probabilidad se encuentra con bastante frecuencia en la
comunicación en el área de salud.
Ejemplos
 Un médico afirma que un paciente X tiene una probabilidad del 80%
de sobrevivir a una operación.
 Una fuente autorizada del Ministerio de Salud; declara a la
prensa de que en este verano hay 10% de probabilidad de que se desate
una epidemia de cólera en la Capital.
¿Por qué es necesario aprender a calcular probabilidades?
La medicina es una ciencia inexacta por lo que el médico raras veces puede
predecir un resultado con absoluta certeza.
Para formular el diagnóstico el médico debe contar con toda la información
posible acerca del paciente. Por ejemplo, debe:
 Revisar la historia clínica
 Realizar un examen físico del paciente
 Solicitar estudios de laboratorio
 Resultados de rayos X, etc.
Para cuantificar la incertidumbre y tomar decisiones, el médico se apoya en
la teoría de las probabilidades
La teoría de probabilidades también permite al médico extraer conclusiones
acerca de una población de pacientes basado en la información acerca de
una muestra extraída de esa población.
Este proceso se denomina inferencia estadística.
Conceptos básicos sobre Probabilidad

 Un experimento aleatorio es aquel en que se conocen todos los

posibles resultados, pero no se sabe cual va a ocurrir.
Ejemplo :
El nacimiento de un niño es un experimento aleatorio, se sabe que el niño
puede ser varón o mujer , pero no se sabe cual será el resultado.

 Al conjunto de todos los resultados posibles del experimento

aleatorio se le llama ESPACIO MUESTRAL, y lo denotaremos por
Ω
Un evento o suceso es uno o más de los posibles resultados de
un experimento aleatorio. Se representa por letras mayúsculas:
A,B,C,etc
Ejemplo
Sea el siguiente experimento aleatorio «Observar el contagio de Sida en dos
recién nacidos de una mujer portadora»
Ω={cc, cnc, ncc, ncnc}
cc: los dos fueron contagiados
cnc: contagiado el 1° , pero no el 2°
ncc: no contagiado el 1°, pero si el 2°
ncnc: los dos no fueron contagiados
Definamos el siguiente evento o suceso:
A: Al menos uno de los niños fue contagiado
A={cc, cnc, ncc }
INTRODUCCIÓN AL CÁLCULO DE PROBABILIDADES
PROBABILIDADES
 Una probabilidad es una cuantificación basada en técnicas
matemáticas de la probabilidad de que ocurra un determinado suceso
o cuento.
 La probabilidad de la ocurrencia de un suceso puede asociarse a un
número entre cero y uno e inclusive.
 La probabilidad es un concepto de gran importancia en la toma de
decisiones.
 La probabilidad es una medida de la incertidumbre inherente a todo
suceso aleatorio.
CUANTIFICACIÓN DE LA PROBABILIDAD
 El cálculo de la probabilidad se realiza siguiendo la clásica
formulación de Pascal:
NCF: Número de casos favorables.
NCP: Número de casos Posibles.
AXIOMAS DE LA PROBABILIDAD
En todo espacio de probabilidad deben
cumplirse los siguientes axiomas:
 Si Ω es el espacio muestral de un determinado experimento aleatorio
P(Ω) = 1
Ω : Es suceso seguro
 Si A es un suceso perteneciente a un determinado experimento,
0≤P(A)≤1.
 Dado un espacio muestral finito y una sucesión de sucesos A1, A2,
… ,An mutuamente excluyente, entonces:
P (A1 U A2 U …. U An) = P(A1) + P(A2) +…+ P(An)
 Si A y B son dos sucesos cualesquiera, entonces:

P (A∪B) = P (A) + P (B) - P (A∩B)

Ejemplo:
Se estima que el 10% de los habitantes de un país padecen de hipertensión arterial
(A), y el 20% padece de hiperlipemia (B), el 7% son hipertensos e hiperlipémicos
(A∩B).
  ¿Cuál es la probabilidad de que un individuo no tenga hipertención arterial?

 ¿Cuál es la probabilidad de que un individuo no tenga hiperlipemia?

 ¿Cuál es la probabilidad de que un individuo tenga almenos una de las dos

enfermedades?

Solución.
Datos del problema:

P(A) = 0.1 P(B) = 0.2 P(A ∩B) = 0.07

a) P(A) = 1- P(A) = 1- 0.1= 0.9

b) P(B) = 1- P(B) = 1- 0.2= 0.8

c) P(AUB)=P(A) +P(B) -P(A ∩B) = 0.1+0.2-0.07

= 0.23

PROBABILIDAD CONDICIONAL
 Si A y B son dos sucesos con P (A) > 0, la probabilidad de que ocurra
otro suceso B sabiendo que ha ocurrido A, es decir, la probabilidad
condicionada de B dado A que se denota por P( B /A ), es igual a:

Ejemplo:
 En una población el 2% de sus habitantes son mayores de 55 años y el 1%
padecen diabetes y tiene más de 55 años. Si un individuo tiene más de 55
años ¿Cuál es la probabilidad de que tenga diabetes?

A: La persona tiene más de 55 años.

B: La persona tiene diabetes.

TEOREMA DE LA MULTIPLICACIÓN
Teniendo en cuenta la definición de la probabilidad condicionada:
Ejemplo:
En un servicio de medicina interna el 40% de los pacientes ingresados es a causa
de enfermedades infecciosas (A). La probabilidad de que un paciente sea diabético
(B), sabiendo que tiene una infección, es del 25%.

Calcular la probabilidad de que un paciente ingresado en un servicio de medicina

interna sea diabético y tenga una infección (A∩B)

Solución:
Datos:

P(A) = 0.4 P(B/A) = 0.25

Por la regla de la multiplicación tenemos:

INDEPENDENCIA DE SUCESOS
Desde un punto de vista formal, se puede decir que A y B son sucesos
independientes si la probabilidad de A sabiendo que ha ocurrido B, no sufre
modificaciones desde el punto de vista matemático esto se expresa de la
siguiente manera:

Ejemplo:
En un centro sanitario de los pacientes intervenidos quirúrgicamente el 25% tiene
alguna complicación postquirúrgica (A), el 50% tiene mas de 60 años (B), y el 60%
tiene mas de 60 años o ha padecido alguna complicación postquirúrgica (B∪A).
 ¿Los sucesos, tiene mas de 60 años y padece alguna complicación postquirúrgica,
son independientes?

TEOREMA DE BAYES
 Supongamos que se dispone de una colección de conjuntos A, B, C
que forman una participación de un espacio muestral Ω. Esto significa
que Ω = AUBUC y además

Ejemplo:
 En una ciudad hay tres servicios hospitalarios que realizan trasplantes de
riñón A, B y C. el servicio A realiza el 40% de los trasplantes, el servicio B al
25% y el servicio C el 35%. El servicio A tiene un 3% de fracasos, el servicio
B un 4% y el servicio C un 5% se selecciona al azar un paciente en el que el
trasplante ha fracasado ¿Cuál es la probabilidad de que haya sido operado
en el servicio A?
 BIOESTADISTICA 05- APLICACIONES DEL
CÁLCULO DE PROBABILIDADES EN LAS
CIENCIAS DE LA SALUD

DIAGNÓSTICO
El diagnóstico es un acto que pretende identificar la enfermedad o
enfermedades que afectan a un determinado paciente:
El proceso de diagnóstico consta de tres partes:
• La Historia clínica.
• La exploración física.
• Pruebas complementarias.
CARACTERÍSTICAS PROBABILÍSTICAS DE LAS PRUEBAS
DIAGNÓSTICAS
Las características probabilísticas de las pruebas diagnósticas son las
siguientes:
• Sensibilidad.
• Especificidad.
• Valor predictivo positivo.
• Valor predictivo negativo.

SENSIBILIDAD Y PROPORCIÓN DE FALSOS NEGATIVOS

La sensibilidad de una prueba diagnóstica respecto a una determinada
enfermedad es la probabilidad de que el resultado sea positivo en una
persona afectada de dicha enfermedad, su expresión matemática es:
P: Indica probabilidad
T+: Significa prueba positiva
E: La persona tiene la Enfermo
• La probabilidad complementaria de la sensibilidad es la probabilidad
de falsos negativos. Su expresión matemática es la siguiente.

ESPECIFICIDAD Y FALSOS POSITIVOS

VALOR PREDICTIVO POSITIVO

El valor predictivo positivo de una prueba diagnóstica para
una determinada enfermedad es la probabilidad de que una
persona, en la que la prueba es positiva, padezca la
enfermedad de referencia. A esta característica también se
le denomina probabilidad post prueba de estar enfermo.
VALOR PREDICTIVO NEGATIVO
El valor predictivo negativo de una prueba diagnóstica para una
determinada enfermedad es la probabilidad de que una persona, en la que
la prueba es negativa, no padezca la enfermedad de referencia. Su
expresión matemática es la siguiente:
• Se expresa una nueva prueba para diagnosticar el carcinoma de
próstata. Se dispone de 212 personas a las que se ha realizado una
biopsia de próstata considerada como estándar de oro para esta
enfermedad. Se considera como enfermo (E) aquellos en los que la
biopsia es positiva, y no enfermos (E) aquellos en los que la biopsia
es negativa. ( E)
Ejemplo
• Una prueba diagnostica tiene una sensibilidad de 0.95 y una
especificidad de 0.98. La prueba se le aplica a un paciente cuya
probabilidad de padecer la enfermedad , teniendo en cuenta sus
características personales es de 0.2. La prueba resulta positivo:
• ¿Cuál es la probabilidad de que este realmente enfermo?
• Si la prueba resulto ser negativo ¿Cuál es la probabilidad de que
realmente no tenga la enfermedad

EL RIESGO, FACTOR DE RIESGO, FACTOR DE PROTECCIÓN

• Riesgo es la probabilidad de que ocurra un suceso desafortunado. En
ciencias de la salud el suceso desafortunado es la enfermedad.
• Factor de riesgo es aquel que aumenta la probabilidad de padecer la
enfermedad.
• Factor de protección es aquel que disminuye la probabilidad de
padecer cierta enfermedad.
MEDIDAS EPIDEMIOLÓGICAS
Medidas de asociación
– Risgo Relativo
– Odds Ratio
– Razón de Prevalencias
– Medidas de impacto
 – Risgo atribuible (o diferencia de riesgo exp)
– Fracción etiológica expuestos (o fracción atribuible en
expuestos)
– Riesgo atribuible poblacional (fracción atribuible población)
– Proporción de RA poblacional
MEDIDAS DE ASOCIACIÓN
Las “medidas de asociación” intentan establecer:
 Estimar si existe una asociación (causal generalmente)
 Estimar la dirección de la asociación
 Estimar la magnitud de la asociación

RIESGO RELATIVO: RR
El Riesgo Relativo, RR es la razón entre dos riesgos; en Epidemiología
es el cociente entre el riesgo de los individuos expuestos al factor y
los no expuestos. La expresión matemática del RR es la siguiente:

Interpretación de Riesgo Relativo (RR)

• RR = 1
La incidencia en el grupo de
expuestos es igual a la incidencia en
el grupo de no expuestos  no se
observa asociación entre la
exposición y la enfermedad.

• RR > 1
La incidencia en el grupo de expuestos es mayor que la incidencia en el
grupo de no expuestos  se observa asociación “positiva” o “directa” entre
la exposición y la enfermedad.

• RR < 1
La incidencia en el grupo de expuestos es menor que la incidencia en el
grupo de no expuestos  se observa asociación “negativa” o “inversa”
entre la exposición y la enfermedad.