Professional Documents
Culture Documents
PROGRAMA
1. Introducció
Variables, Mostra i Població
Exploració d’unes Dades: Gràfics i Taules
2. Estadística Descriptiva
Estadístics de tendència central, dispersió, posició i forma
Precisió i Exactitud
3. Probabilitat
Proves Diagnòstiques
4. Correlació i Regressió
5. Inferència Estadística
Intervals de Confiança
Proves Contrast d’Hipòtesi
5. Inferència Estadística
(Contrast d’Hipòtesis)
19/04/2023
Introducció
3. Comparació: Tècniques que comparen poblacions
d'individus. L'objectiu és poder parlar de la igualtat o de la
diferència entre aquests grups, entre aquestes poblacions.
Paràmetres (µ, σ)
POBLACIÓ de la Població
Tècniques Inferencia
de Probabilitat
Mostreig
Estadística
Estadístics (m,s)
Mostra de la Mostra
Estadística
Descriptiva
Inferència Estadística
- Tècniques inferencials -
Interval de Confiança
Una estimació es refereix al procés mitjançant el qual hom fa
inferències sobre una població, a partir de la informació obtinguda
d'una mostra.
Inferència Estadística
- Tècniques inferencials -
Contrast d’Hipòtesis
- Què és? -
Ordinàries Extraordinàries
H0 H1
19/04/2023
Contrast d’Hipòtesi
- Procés -
H0 H0
Contrast d’Hipòtesi
- Procés pel Contrast d’Hipòtesi -
Massa gent...
¡Gran
diferencia!
Mostra Rebutjo la
aleatòria de hipòtesi H0
fumadors
X F 85 Kg
Pregunta: Els fumadors pesen com la resta de la gent (entorn dels 70Kg)?
19/04/2023
13
Mostra AF
Pas 2. Obtenim les dades 1 76
Prenem una mostra AF de 9 individus que fumen i 2 75
mesurem la variable d’interès: pes. 3 74
4 72
5 72
6 73
7 78
8 81
9 73
Mitjana 75
DE 3,0
14
19/04/2023
El p-valor obtingut (p<0,002) ens diu la probabilitat de que la mitjana de pes dels
subjectes de la mostra AF i la mitjana de pes de la població siguin iguals
(H0: 𝑋F = µPoblació ). Com que és una probabilitat molt petita (p<0,05), rebutgem H0 i
conclourem que hi ha diferències estadísticament significatives (p<0,002) entre el
pes dels fumadors i la població general. 16
Paso 4. Interpretamos el p-valor Comparamos el valor obtenido de t con los de la tabla de t (conocemos la distribución
de probabilidades) y obtenemos una probabilidad:
El p-valor obtenido (p<0,002) nos dice la probabilidad de que la media de peso de los sujetos de la muestra AF y la
media de peso de la población sean iguales (H0: F = μPoblación ). Al ser una probabilidad muy pequeña
(p<0,05), rechazamos H0 y concluiremos que existen diferencias estadísticamente significativas (p<0,002)
entre el peso de los fumadores y la población general.
19/04/2023
Conclusió: Com que p<α (habitualment α=0,05), podem dir que H0: 75Kg=70Kg
és molt poc probable (les diferències no es poden deure a l’atzar) i decidim
REBUTJAR H0 . Per tant, podem concloure que les mitjanes que es comparen
son ESTADÍSTICAMENT DIFERENTS.
Resposta: La mitjana de pes dels fumadors de la mostra A (𝑋F=75 Kg ) i la
mitjana de pes poblacional (µPoblació=70Kg) son estadísticament diferents
(p<0,002) assumint un risc α=0,05 d’equivocar-nos.
Conclusión: Puesto que p<α (habitualmente α=0,05), podemos decir que H0: 75Kg=70Kg
es muy poco probable (las diferencias no pueden deberse al azar) y decidimos RECHAZAR H0 . Por
tanto, podemos concluir que las medias que se comparan son ESTADÍSTICAMENTE DISTINTOS.
Respuesta: La media de peso de los fumadores de la muestra A (F=75 Kg ) y la media de peso
poblacional (μPoblación=70Kg) son estadísticamente diferentes (p<0,002) asumiendo un
riesgo α=0,05 de equivocarnos.
18
19/04/2023
Contrast d’Hipòtesi
- Identificar les Hipòtesis -
• Hipòtesi nul·la (Ho) • Hipòtesi alternativa (H1)
La que contrastem Nega H0
Assumeix que NO hi ha efecte Només se sustenta si rebutgem la
hipòtesi nul·la.
Les dades poden confirmar-la
Recull la hipòtesi de l’investigador
La igualtat forma part de la H0
No hauria de ser acceptada sense una
No s’hauria de rebutjar sense una gran evidència en contra de H0.
bona raó
Bilateral
Contrast d’Hipòtesi
- Prova Unilateral vs. Prova Bilateral -
Una prova serà bilateral o unilateral depenent de on se situa
la regió crítica o d’interès:
Bilateral interesa: m70
Unilateral Unilateral
Contrast d’Hipòtesi
- Exemples per identificar hipòtesis -
Contrast d’Hipòtesi
- Exemples per identificar hipòtesis -
Contrast d’Hipòtesi
- Exemples per identificar hipòtesis -
Contrast d’Hipòtesi
- Importancia de les hipòtesis... i de l’estadística -
A on volem arribar?
A on volem arribar?
A on volem arribar?
Nadons Nadons
mares mares
normals +preclamsia
7,27 7,35
7,37 7,21
7,35 7,28
7,24 7,19
7,32 7,17
7,26 7,31
7,23 7,18
7,32 7,22
7,36 7,16
7,28 28
19/04/2023
Contrast d’Hipòtesi
- Resum -
Si suposem que una hipótesis és certa però observem que els estadígrafs
calculats en una mostra aleatòria són notablement diferents dels esperats
segons aquella hipótesis, direm que les diferències observades són significatives
i tendim a descartar la hipótesis.
Si tenim la hipótesis de que una moneda està equilibrada (H 0: pcara = 0,5) i la llencem 30 vegades i ens
en surten 25 cares; tendirem a rebutjar la hipótesis de que la moneda està equilibrada… tot i que
sempre ens podem equivocar (risc α)
Contrast d’Hipòtesi
- Altres consideracions -
• Les hipòtesis no es plantegen després d'observar les dades.
• En ciència, les hipòtesis nul·la i alternativa no tenen el mateix
paper:
H0: Hipòtesi científicament més simple.
H1: El pes de la prova recau en ella.
• El risc α ha de ser petit.
• Rebutjar una hipòtesi consisteix a observar si p <α
• Rebutjar una hipòtesi no prova que sigui falsa. Podem cometre
error de tipus I
• No rebutjar una hipòtesi no prova que sigui certa. Podem
cometre error de tipus II
• Si decidim rebutjar una hipòtesi hem de mostrar la probabilitat
d'equivocar-nos
30
19/04/2023
Realitat
Innocent Culpable
veredicte Innocent
OK Error
“Menys greu”
Culpable
Error OK
“Molt greu”
33
Realitat
H0 Certa H0 Falsa
Son IGUALS Son DIFERENTS
No Rebutjo H0
Correcte
Son IGUALS El tractament no te efecte
i així es decideix.
Rebutjo H0
Son DIFERENTS
Correcte
El tractament te efecte i
l’experiment ho confirma.
Accepto H1
19/04/2023
Probabilitat β
Error de tipus I Correcte
Rebutjo H0 El tractament no té efecte
(Són DIFERENTS) El tractament té efecte i
però es decideix que sí.
l’experiment ho confirma.
Probabilitat α
Risc
Contrast d’Hipòtesi
- Error Tipus I i Tipus II -
Contrast d’Hipòtesi
- Error Tipus I -
• Error Tipus I: Rebutgem la hipòtesi nul·la quan és certa
i concloem que hi ha un efecte quan en realitat no hi
ha cap efecte (li preocupa al pacient).
o El màxim risc (probabilitat) de cometre un error de Tipus I
s’escriu com α.
o Habitualment es fixa un valor convencional de α=0.05
perquè només rebutjarem la H0 quan p<0.05. Si la p>0.05,
NO rebutjarem la H0 i per tant no cometem error de Tipus I.
o Es pot fixar un valor α més restrictiu (α=0.01) quan l’Error de
Tipus I és greu (ex. Prova del VIH).
37
Contrast d’Hipòtesi
- Error Tipus II -
• Error Tipus II: NO rebutgem la hipòtesi nul·la quan és
falsa i concloem que NO hi ha efecte quan en realitat
sí que hi ha efecte (li preocupa al laboratori).
o El màxim risc (probabilitat) de cometre un error de Tipus II
s’escriu com β.
o Habitualment es fixa per convenció un valor de β = 0.2 i es
defineix el seu complementari (1- β) com la Potència de la
prova estadística.
38
19/04/2023
Contrast d’Hipòtesi
- Factors que augmenten la Potència estadística -
↑Grandària de la mostra
↓Variabilitat de les observacions
↑Efecte que volem mesurar
↑α
Contrast d’Hipòtesi
- p-valor o Nivell de Significació -
X 85
19/04/2023
Contrast d’Hipòtesi
- p-valor o Nivell de Significació -
Contrast d’Hipòtesi
- 3 Possibles resultats -
Contrast d’Hipòtesi
- Error Tipus I i Tipus II: Mostres Petites -
Error de tipus I
S’accepta S’accepta
que NO hi ha que hi ha
70 75
diferències diferències
Error de tipus II
Bioestadística. U. Málaga.
Contrast d’Hipòtesi
- Error Tipus I i Tipus II: Mostres GRANS -
I si prenem mostres
grans (n>30)?
Es redueixen els 70 75
error de Tipus I i II
Bioestadística. U. Málaga.
19/04/2023
Contrast d’Hipòtesi
- Factors que augmenten la Potència estadística -
↑Grandària de la mostra
↓Variabilitat de les observacions
↑Efecte que volem mesurar
↑α
Contrast d’Hipòtesi
- Quina? -
Requisits per saber quina prova d’Hipòtesi s’ha d’aplicar:
1) Mostres segueixen Distribució Normal?
2) Mostres preses a l’atzar?
3) Mostres tenen dispersions semblants? (Homogeneïtat de les variàncies)
SI Transformació Variables NO
Proves PARAMÈTRIQUES Proves NO PARAMÈTRIQUES
19/04/2023
Non-Normality
- Estadística NO PARAMÈTRICA-
Transforming data to normality: Most statistical methods (the parametric
methods) include the assumption that the sample is drawn from a
population where the values have a Normal distribution.
One of the first steps of statistical analysis of your data is therefore to check
the distribution of the different variables. Some statistical tools (the non-
parametric methods) do not require normally distributed data.
The table below shows a comparison of tools that do not require normal
distribution with their normal-distribution equivalents:
47
2. Una mostra aleatòria de 3000 individus va donar els següents resultats referents
als sous bruts anuals en funció del nivell educatiu:
Quina prova faries servir per decidir si amb aquestes dades tenim suficient
evidència per dir que el salari anual depèn de l’educació que s’ha assolit? (α=0,1)
48
19/04/2023
49
52
19/04/2023
53