DATOS CUALITATIVOS. DISTRIBUCION BINOMIAL Los datos categéricos también muestran una distribucién de probabilidades como los da- tos cuantitativos, ‘Supongamos que tiramos 10 veces una moneda y de 10 tiros en 2 obtenemos cara. En este caso obtuvimos un 20% de caras. Repetimos el experimento y obtenemos 4 caras, (40%), y asi sucesivamente hasta hacerlo 100 veces. Cada 10 veces que tiramos la moneda anotamos el resultado. Al final tendremos 100 porcentajes. 50% 40% 30% 20% 10% 0% 1 2 3 5 6 7 8 9 10 N® de caras obtenidas cada 10 tiros Figura 18.1: Porcentaje de numero de caras en 100 experimentos de 10 tiros realizados al azar Con los resultados obtenidos de estos experimentos realizados completamente al azar podemos graficar el numero de veces que obtuvimos cara o el porcentaje de veces que obtuvimos 1, 2, 3 0 mas caras en las 100 veces que hicimos el experimento. (Figura 18.1) Como vemos en la Figura 18.1, de las 100 veces que realizamos el experimento por azar, obtuvimos diferentes porcentajes en cada serie de 10 tiros, pero en la mayoria de los casos (30% de las veces) obtuvimos 5 veces cara cuando tiramos 10 veces. Sabemos que la verdadera probabilidad de obtener cara cuando se tira una moneda es de 0,50, 0 del 50%, ya que sélo existe 1 posibilidad en 2 de obtener este resultado. ‘A medida que aumentamos el nimero de experimentos, por ejemplo de 100 a 1 000, nos acercaremos cada vez mas a esa verdadera proporcién o probabilidad, Si graficamos el porcentaje de veces que obtenemos cara, esta vez en 100 tiros su- cesivos realizados 1 000 veces, veremos que la distribucién de probabilidades se acerca cada vez mas a la verdadera proporcién y ademas toma forma simétrica, muy similar a la distribuci6n normal. (Figura 18.2)160° Ruth P. Henquin | Epidemiologia y Estadistica para principiantes 60% 50% 40% 30% 20% 10% 0% 10 30 50 70 90 N° de caras obtenidas cada 100 tiros Figura 18.2: Frecuencia de éxitos para 1 000 veces 100 tiros En la Figura 18.2 se observa que en la mayoria de los casos (serie de 100 tiros sucesi- vos) se obtuvo la verdadera probabilidad, en este caso 50 veces cara en 100 tiros. Por lo tanto, para las proporciones también hay una distribucién de probabilidades, que ‘se conoce como binomial. Se dice que un experimento aleatorio es binomial cuando: 1) Consiste en n repeticiones independientes del mismo ensayo. 2) Cada ensayo puede resultar en sélo dos resultados que llamaremos éxito y fracaso. 3) La probabilidad de éxito se mantiene constante a través de los n ensayos. Dicho en otras palabras, el experimento binomial es aplicable a una muestra indepen diente den sujetos en los cuales se mide una variable dicotémica cuya probabilidad no cambia en el tiempo. Esta distribucién también tiene pardmetros, conocidos como ny p, siendo n el numero de sujetos de la muestra y p la verdadera proporcién, La notacién matematica para referirse a la distribucién binomial es: Bi (n, p) Como en a distribucién normal, si conocemos n y p podemos construir un grafico como ol de las Figuras 18.1 y 18.2, y aplicar los conceptos de area bajo la curva para calcular probabilidades. Por ejemplo, si tenemos una caja con 10 bolitas de las cuales 1 es rojay 9 blancas, el porcentaje de bolitas rojas es de 10% o bien p= 0,10. Si sacamios 20 veces una bolita de esta caja (cada vez que sacamos una la volverios a poner en la caja) tendremos n= 20 y p= 0,10. Conociendo estos dos parémetros podemos calcular, en base a la distribucién binomial, la probabilidad de ocurrencia de distintos eventos, por ejemplo, la probabilidad de no ob- tener ninguna bolita roja en 20 extracciones, la probabilidad de obtener 5 bolitas rojas o la probabilidad de obtener todas bolitas rojas. Estos calculos son realizados por los programas estadisticos basados en la distribucién binomial, que ya esta tabulada para cada uno de sus parametros.Capitulo 18 Datos cualitativos. Distribucién binomial En la vida real, obviamente, no conocemos la verdadera proporcién que queremos esti- mar, no conocemos el niimero total de bolitas ni cudntas bolitas rojas hay en la caja. Porllo tanto, lo que hacemos es calcular la probabilidad de obtener un valor determinado asumiendo valores de ny p. Por ejemplo, si el porcentaje de diabsticos es del 15% en una muestra de 100 sujetos, yel porcentaje reportado en la literatura para este grupo de pacientes es del 10% en 1.000 sujetos, la pregunta es: écudl es la probabilidad de obtener 0,15 cuando n = 100 y p= 0,10? Asumimos que el verdadero valor de n es el reportado por la literatura (10%). Para contestar esta pregunta podemos recurrir a las ya conocidas pruebas de signifi cacién estadistica, Como se observa en la Figura 18.2, cuando el n de la muestra es suficientemente gran de, la distribucién binomial se asemeja a la normal. Cuando n* p Yn =n'p es 5, se puede utilizar la distribucién normal en lugar de la binomial Por ejemplo, si tenemos una muestra de 10 sujetos con un porcentaje de hipertensos de 20% entonces n "p= 10 *0,20=2yn-n"p=10-2=8 En este caso, como no se cumplen las dos condiciones, debemos utilizar la distribucién binomial. Si aumentamos n, por ejemplo, a 50, sera posible entonces utilizar la distribucién normal. n*p=50"0,20=10yn-n'p=50- 10=40 Ahora, si se cumplen las dos condiciones, utilizamos la distribucién normal. ‘A medida que n aumenta y/o p se acerca a 0,50, la distribucién binomial se va aseme- jando a la normal. (Figura 18-3) En la Figura 18.3 se observa que, cuando p es igual a 0,50, aunque n sea pequefo, la distribucién toma forma simétrica, de la misma forma que, aunque p no sea 0,50, cuando es grande también se toma simétrica, acercandose a a distribucién normal. n=5 p=09 04 o 03 og 02 o2 ot Ey o Ma 0129 45 o 12 3 45 n= 20 p03 n= 20 p=os °T oa 02 o2 oa oa « ball 0 Lal Figura 18.3: Cambio de distribucién binomial a normal *161