Tema 7.

QUALITATIVES

BIOESTADÍSTICA
Grau de nutrició humana i dietètica
Universitat Rovira i Virgili
Curs 2019/2020
Meritxell Pallejà
Qualitatives (II)
...seguim
Recordatori: Passos per realitzar un
contrast d’hipòtesis
1. Determinar què volem saber.
Voldrem contrastar certes condicions sobre els valors que prenen les
proporcions
2. Determinar una Hipòtesis Nul·la i una Hipòtesis
Alternativa.
Igualtat / més gran o més petita que..
Comparar dues poblacions / comparar respecte un valor concret
3. Establir un estadístic de prova.
𝜒 2 , ...

4. Construir les zones d’acceptació i rebuig de les

hipòtesis.
5. Calcular el valor “p”.
6. Decidir si es rebutja o no la Hipòtesis Nul·la.
 Exemple

En una població es vol veure si existeix alguna relació

entre tenir càries i consumir un got de llet just abans
d’anar a dormir.

Variables que recollirem a la base de dades:

Tenir càries si/no
Consum d’un got de llet just abans d’anar a dormir si/no
1. Establir l’objectiu 2. Hipòtesis
Exemple:
En una població es vol veure si existeix alguna relació
entre tenir càries i consumir un got de llet just abans
d’anar a dormir.
Objectiu (què volem saber):
 Tenir càries o no varia en funció del consum de llet
just en el moment abans d’anar a dormir?
Hipòtesis
H0: 𝜋(càries c. llet) = 𝜋(càries NO c. llet)
H1: 𝜋(càries c. llet) ≠ 𝜋(càries NO c. llet)
3. Establir un estadístic de prova
 Test 𝝌𝟐 de Pearson:
L’utilitzem quan en totes les caselles de la taula de
freqüències la n>5 i les dades no són aparellades.
 Test exacte de Fisher:
L’utilitzem quan en alguna de les caselles de la taula
de freqüències hi ha una n<5 i les dades no són
aparellades.
 Test Mcnemar:
L’utilitzem quan les dades són aparellades.
3. Establir un estadístic de prova
Exemple:
En una població es vol veure si existeix alguna relació
entre tenir càries i consumir un got de llet just abans
d’anar a dormir.
3.1 Construir una taula de contingència amb els valors
observats
Obs Càries No càries Total
C. llet 6 9 15
No C. llet 4 12 16
Total 10 21 31
3. Establir un estadístic de prova
3.1 Construir una taula de contingència amb els valors
observats
Obs Càries No càries Total
C. llet 6 9 15
No C. llet 4 12 16
Total 10 21 31

3.2 Decidir quin test utilitzem

Són dades aparellades?
Hi ha alguna casella amb un valor <5?
3. Establir un estadístic de prova
 Test 𝝌𝟐 de Pearson:
L’utilitzem quan en totes les caselles de la taula de
freqüències la n>5 i les dades no són aparellades.
 Test exacte de Fisher:
L’utilitzem quan en alguna de les caselles de la taula
de freqüències hi ha una n<5 i les dades no són
aparellades.
 Test Mcnemar:
L’utilitzem quan les dades són aparellades.
3. Test exacte de Fisher

Ens plantegem:
- Quines són les possibilitats de que 6 dels 15 que
consumeixen llet tinguin càries?
Combinacions de 15 elements agafats de 6 en 6
- De quantes maneres es poden tenir 10 persones amb
càries en un total de 31 individus?
Combinacions de 31 elements agafats de 10 en 10

Obs Càries No càries Total

C. llet 6 9 15
No C. llet 4 12 16
Total 10 21 31
3. Test exacte de Fisher

3.3 Calcular les combinacions totals

𝑁𝑡𝑜𝑡𝑎𝑙 𝑁!
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑡𝑜𝑡𝑎𝑙𝑠 = =
𝑘𝑡𝑜𝑡𝑎𝑙 𝑁 − 𝑘 ! 𝑘!

Recordem:
𝑛
𝑘
: combinacions de n elements agafats de k en k
3. Test exacte de Fisher

3.3 Calcular les combinacions totals: N total d’elements

agafats en grups de k en k.

𝑁𝑡𝑜𝑡𝑎𝑙 𝑁!
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑡𝑜𝑡𝑎𝑙𝑠 = =
𝑘𝑡𝑜𝑡𝑎𝑙 𝑁 − 𝑘 ! 𝑘!
En l’exemple:
Obs C No C T 𝑁𝑡𝑜𝑡𝑎𝑙 31
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑡𝑜𝑡𝑎𝑙𝑠 = =
C. llet 6 9 15 𝑘𝑡𝑜𝑡𝑎𝑙 10
No C. llet 4 12 16
T 10 21 31 31
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑡𝑜𝑡𝑎𝑙𝑠 = 10
=44.352.165
3. Test exacte de Fisher

3.4 Calcular les combinacions observades en cada

grup

𝑛𝑖 𝑛𝑖 !
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑔𝑟𝑢𝑝𝑖 = =
𝑘𝑖 𝑛𝑖 − 𝑘𝑖 ! 𝑘𝑖 !
En l’exemple
15
Obs C No C T 𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑐.𝑙𝑙𝑒𝑡 = 6
=5005
C. llet 6 9 15
16
No C. llet 4 12 16 𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑁𝑂 𝑐.𝑙𝑙𝑒𝑡 = 4
= 1820
T 10 21 31
 3. Test exacte de Fisher

3.4 Producte de combinacions observades entre les

totals
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑔𝑟𝑢𝑝𝑖 × ⋯ × 𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑔𝑟𝑢𝑝𝑗
𝑝= =
𝑃𝑜𝑠𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑡𝑜𝑡𝑎𝑙𝑠
En l’exemple
31
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑡𝑜𝑡𝑎𝑙𝑠 = 10
=44.352.165

15 5005 × 1820
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑐.𝑙𝑙𝑒𝑡 = 6
=5005 𝑝= = 0,205
44.352.165
16
𝑃𝑜𝑠𝑖𝑏𝑖𝑙𝑖𝑡𝑎𝑡𝑠𝑁𝑂 𝑐.𝑙𝑙𝑒𝑡 = 4
= 1820
5. p-valor
 P-valor (indica la probabilitat d'obtenir un valor igual o més extrem que
l'observat, suposant que sigui veritat la hipòtesi nul·la)
Possibilitats més extremes?
Obs C No C T Obs C No C T
C. llet 7 9 16 C. llet 9 9 18
No C. llet 3 12 15 No C. llet 1 12 13
T 10 21 31 T 10 21 31
Obs C No C T Obs C No C T
C. llet 8 9 17 C. llet 10 9 19
No C. llet 2 12 14 No C. llet 0 12 12
T 10 21 31 T 10 21 31
5. p-valor
Calcular el valor p per cada una d’aquestes taules:
Obs C No C T Obs C No C T
C. llet 7 9 16 C. llet 9 9 18
No C. llet 3 12 15 No C. llet 1 12 13
T 10 21 31 T 10 21 31
16 15 18 13
7 3 9 1 = 0,014
31 = 0,117 31
10 10

Obs C No C T Obs C No C T
C. llet 8 9 17 C. llet 10 9 19
No C. llet 2 12 14 No C. llet 0 12 12
T 10 21 31 T 10 21 31
17 14 19 12
8 2 10 0 = 0,0021
31 = 0,05 31
10 10
5. p-valor
 P-valor (indica la probabilitat d'obtenir un valor igual
o més extrem que l'observat, suposant que sigui
veritat la hipòtesi nul·la)
16 15 18 13
7 3 = 0,117 9 1 = 0,014
31 31
10 10

17 14 19 12
8 2 = 0,05 10 0 = 0,0021
31 31
10 10

𝑃 − 𝑣𝑎𝑙𝑜𝑟 =0,205+0,117+0,014+0,05+0,0021=0,3881
Concepte odds ratio (OR)
Odds: divisió del número d’individus que presenten
una certa característica dividit entre el número
d’individus que no la presenten.
𝑝
Odds=
1−𝑝
Exemple: Observats Diabetis No diabetis Total
Consum alt 20 53 73
Consum baix 9 63 72
Total 29 116 145

20/73 20
odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐴𝑙𝑡 = = = 0,377
53/73 53
Concepte odds ratio (OR)
Exemple: Observats Diabetis No diabetis Total
Consum alt 20 53 73
Consum baix 9 63 72
Total 29 116 145

20/145 20
odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐴𝑙𝑡 = = = 0,377
53/145 53

9/145 9
odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐵𝑎𝑖𝑥 = = = 0,143
63/145 63
Concepte odds ratio (OR)
 Quocient entre dos odds → Odds ratio
(Oportunitat relativa)
 És una mesura estadística utilitzada fonamentalment

per quantificar la força de l'associació estadística

entre una exposició i una malaltia.

odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐴𝑙𝑡
𝑂𝑅 =
odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐵𝑎𝑖𝑥
Concepte odds ratio (OR)
 És una mesura estadística utilitzada fonamentalment
per quantificar la força de l'associació estadística
entre una exposició i una malaltia.

odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐴𝑙𝑡
𝑂𝑅 =
odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐵𝑎𝑖𝑥

Quan val OR si no hi ha associació?

Concepte odds ratio (OR)

odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐴𝑙𝑡
𝑂𝑅 =
odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐵𝑎𝑖𝑥

OR=1→ No associació
OR>1→ Associació positiva
OR<1 → Associació negativa

OR: quantes vegades és més freqüent la diabetis entre

els de consum alt que entre els individus de consum baix
de brioixeria.
Concepte odds ratio (OR)
En el nostre exemple, quan val OR?
Observats Diabetis No diabetis Total
Consum alt 20 53 73
Consum baix 9 63 72
Total 29 116 145

odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐴𝑙𝑡 20/53
𝑂𝑅 = = = 2,64
odds𝑑𝑖𝑎𝑏𝑒𝑡𝑖𝑠|𝑐𝑜𝑛𝑠𝑢𝑚𝐵𝑎𝑖𝑥 9/63

La odds de tenir diabetis és 2,64 vegades superior amb

els que tenen un alt consum de brioixeria que entre els que
tenen un baix consum de brioixeria.
Exercici (II)