Dra.

Bertha Eloina Castillo González

201804602
NRC 25934 18:00-
19:00 Otoño 2020

EJERCICIOS DE
BIOESTADÍSTICA
SEGUNDO
PARCIAL
Fernando Daniel Gonzá lez Ló pez
 EJERCICIOS DE BIOESTADISTICA
2º parcial

Introducción a la Probabilidad González López Fernando Daniel

1. ¿Cuál sería el gráfico P (B|A) expresado como conjuntos? ¿Cuál sería su definición?

R= Es el Diagrama de Venn. Este se define como una representación gráfica que muestra la
agrupación de elementos conjuntos, los cuales están representados con un círculo o un óvalo.
Esta va a mostrar todas las posibles lógicas entre una colección de conjuntos representados por
un círculo. Cada conjunto representa una colección de objetos o una matriz de datos que tienen
algo en común. Cuando se superponen varios círculos, se le conoce como intersección y es donde
los datos tienen todas las cualidades. La función que tiene este diagrama es para representar
gráficamente la agrupación de elementos que tiene una característica en común y hacer sencilla la
interpretación de estos.

2. Explique con sus propias palabras qué significan:

a) la especificidad y el valor predictivo negativo

R= La especificidad se define como la probabilidad de que un sujeto que esté sano obtenga un
resultado negativo cuando se le haga una prueba diagnóstica, es decir, que obtenga un verdadero
negativo. Asimismo, el valor predictivo negativo se refiere a la confianza de dicho valor negativo.
Esta se estima al dividir el número de verdaderos negativos entre el total de pacientes con un
resultado negativo en la prueba.

b) la sensibilidad y el valor predictivo positivo

R= Se le llama sensibilidad a aquella probabilidad de que el sujeto que no esté sano o esté
enfermo, obtenga un resultado positivo en una prueba diagnóstica. De igual forma, se le llama
valor predictivo positivo a la confianza de dicho valor positivo.

3. Suponga dos poblaciones diferentes: 1) la formada por los toxicómanos y

homosexuales de una cierta prisión, y 2) la formada por los médicos de un cierto
hospital. Suponga un resultado positivo a la misma prueba del sida de dos
miembros de cada una de estas dos comunidades.
¿Tienen estos dos individuos las mismas probabilidades de padecer sida?

R=No, los individuos no tienen las mismas probabilidades de padecer SIDA debido a que el valor
predictivo positivo o probabilidad de estar verdaderamente enfermo habiendo dado positivo es aún
mayo en el primer caso.

4. Construya una tabla 2 × 2 del ejemplo anterior con sensibilidad y especificidad

igual a 100% y compruebe que la afirmación realizada en la nota es cierta
(suponga que, de 1000 casos x|estudiados, estaban enfermos 132 y 868, sanos).
¿Se cumple que ambos valores predictivos son del 100%?

+ - Total
Bioestadística
 Enfermos 132 132
Sanos 868 868
Total 132 868 1000

Nota: Todos estos fenómenos paradójicos tienen menor repercusión cuanto menos
aleatorio es el fenómeno en estudio. Si la sensibilidad y la especificidad son ambas del
100%, no hay duda de que un positivo está enfermo y un negativo está sano.

R=
VP+ = P (E | +) = 132 / 132 = 1.00= 100%
VP- = P (S | -) = 868 / 868 = 1.00= 100%

5. Mirando a la tabla construida en el ejercicio anterior, para que el valor predictivo

positivo sea perfecto (VP+ =100%), ¿qué se necesita que sea del 100%, la
sensibilidad o la especificidad?

R= Lo que se necesita para que VP+ sea igual perfecto o igual al 100%, es menester que
todos los enfermos den positivo (verdadero positivo) y que ningún sano dé positivo (falso
positivo). Se requiere que la especificidad sea del 100% para que se tenga un VP+ del
100%.

6. En clínica se dice que un signo es patognomónico cuando su presencia asegura

definitivamente la enfermedad que ayuda a diagnosticar. ¿Alguna de las
probabilidades diagnósticas es del 100%?

R= Así es. Las probabilidades diagnósticas que son del 100% son el valor predictivo positivo
y la especificidad.

7. Explique con sus propias palabras lo que miden la sensibilidad, la especificidad y

ambos valores predictivos.

R= La sensibilidad se encarga de medir la probabilidad de detectar un sujeto enfermo. En

otras palabras, mide la probabilidad de que cada sujeto enfermo obtenga un resultado
positivo en la prueba.

R= La especificidad se encarga de medir la probabilidad de que cada sujeto sano obtenga

un valor negativo en la prueba, es decir, la mide la capacidad de clasificar de manera
correcta a un individuo sano.

R= El valor predictivo positivo se encarga de medir la probabilidad de que un paciente tenga

una enfermedad condicionando a que la persona tenga un resultado positivo en la prueba.
Dicho de otro modo, se refiere a la proporción de pacientes con resultado positivo que
efectivamente poseen la enfermedad.

R=El valor predictivo negativo se refiere a la probabilidad de que un paciente no sea

poseedor o no tenga la enfermedad, condicionado a que la persona tenga un resultado
negativo en la prueba. Es decir, se mide la probabilidad de que el paciente no tenga la
enfermedad en estudio cuando la prueba es negativa.

8. Suponiendo que se han obtenido dos muestras de 1000 casos, una para
enfermos y otra para sanos obtenga: la sensibilidad, la especificidad y ambos

Bioestadística
 valores predictivos,
R=
Sensibilidad = P (+ | E) = 712 / 1000 = 0.712 = 71.2%
Especificidad = P (- | S) = 752 / 1000=0.752= 75.2%
VP+ = P (E | +) = 712 / 960 = 0.742 = 74.2%
VP- = P (S | -) = 752/1040 = 0.723 = 72.3%

9. Fumaz et al. (22) comparan dos grupos de pacientes tratados, uno con Efavirenz
(EFV, n = 51) y otro con inhibidores de la proteasa (PI, n = 49), habiendo observado
respectivamente 36 y 9 acontecimientos adversos relacionados con el sistema
nervioso central. Elabore la tabla correspondiente y calcule los riesgos respectivos.

Y+ Y- Total
EFV 36 15 51
PI 9 40 49
TOTAL 45 55 100
R=
Riesgo en los expuestos a EFV = P (Y+ | EFV) = 36 / 51 = 0.70 = 70%
Riesgo en los expuestos a PI = P (Y+ | PI) = 9 / 49 = 0.18 = 18%

10. En una cierta población, se ha recogido información en 1000 casos sobre dos
variables, la exposición al riesgo del tabaco (fumador: X+ y no fumador: X-) y
su evolución posterior (bronquitis: Y+ y no bronquitis: Y-).
a) A partir de los resultados de la siguiente tabla, calcule los riesgos y las odds.

BECA

R=
Riesgo:

Riesgo P (Y+) = 309 / 100 = 3.09

Riesgo en los expuestos = P (Y+ | X+) = 94 / 132 = 0. 712
Riesgo en los no expuestos = P (Y+ | X-) = 215 / 868 = 0.2472

Odds:

Odds en los expuestos = O (Y+ | X+) = 94 / 38 = 2.47

Odds en los no expuestos = O (Y+ | X-) = 215 / 653 = 0.329

Bioestadística
 Distribución Binomial

11. Si se determina que el 10% de los residentes de Estados Unidos resultarán

positivos a un cierto anticuerpo, a) ¿cuál es la probabilidad de seleccionar
aleatoriamente cinco residentes de Estados Unidos y encontrar que las cinco
pruebas resultaron positivas? b) ¿Cuál es la probabilidad de que al menos cuatro
(esto es, cuatro o más) resulten positivos? c) ¿Cuál es la probabilidad de que al
menos uno sea positivo?
R=

a) x= 5 residentes n= 5 residentes p= 10%= 0.1 1-p= 0.9= 90%

La probabilidad de seleccionar aleatoriamente cinco residentes de Estados Unidos y encontrar que

las cinco pruebas resultaron positivas, es de 0.001%

b) x= 4 n= 5 p= 0.1 1-p= 0.9

P(X= 5)= 0.001% P(X= 4)=

0.045%
0.045% + 0.001%= 0.046%

La probabilidad de que al menos cuatro resulten positivos es de 0.046%

c) x= 3 n= 5 p = 0.1 1-p= 0.9

x = 2 n= 5
p= 0.1 1-p= 0.9
Bioestadística BECA BUAP
 x= 1 n= 5 p= 0.1 1-p= 0.9

P(X= 5)= 0.001% P(X= 4)= 0.045%

P(X= 3)= 0.81% P(X= 2)= 7.29%
P(X= 1)= 32.8%
32.8% + 7.29% + 0.81% + 0.045% + 0.001%= 40.95%

La probabilidad de que al menos uno sea positivo es de 40.95%

12. El 38% de todos los donadores de sangre en Estados Unidos tienen sangre tipo “O”
positivo. Su ponga que, como resultado de una teoría genética en la cual basó su
argumentación, un investigador considera que esta proporción es más grande en
Islandia. En un estudio preliminar, el investigador seleccionó aleatoriamente 10
donadores de sangre en Islandia y anotó su tipo sanguíneo. ¿Cuál es la
probabilidad de que, en esta muestra de donadores islandeses, 9 o 10 tengan
sangre tipo “O” positivo, si la teoría del investigador es errónea (esto es, la
proporción en Islandia es .38)? Si el número de sujetos con sangre tipo “O” positivo
de hecho es 9 o 10, ¿qué implicaciones tendrá esto para la teoría del investigador?
R=

a) x= 9 donadores n= 10donadores p= 38%= 0.38 1-p= 0.62= 62%

Bioestadística BECA BUAP

La probabilidad de que, en esta muestra de donadores islandeses, 9 tengan sangre tipo “O”
positivo, si la teoría del investigador es errónea, es de 0.1%

b) x= 10 n= 10 p= 0.38 1-p= 0.62

La probabilidad de que, en esta muestra de donadores islandeses, 10 tengan sangre tipo “O”
positivo, si la teoría del investigador es errónea, es de 0.0063%

La probabilidad de que 9 o 10 donadores tengan sangre tipo “O” positivo es = 0.00102 + 0.00006 =
0.00108 = 0.0011= 0.11%

c) Si el número de sujetos con sangre tipo “O” positivo de hecho es 9 o 10, ¿qué
implicaciones tendrá esto para la teoría del investigador? Bueno, primero que nada, se
implicaría que la hipótesis es correcta debido a que todas las personas en la muestra
tendrían sangre de tipo O+, por lo que habría un porcentaje mayor de personas con
sangre O+ en e resto de la población islandesa que en la población de Estados Unidos.

Distribución Normal

13. Dada una curva normal con una media de 250 y una desviación estándar de 25,
¿qué porción de la curva cae por debajo de 220?

R=

Z= (220-250)/25= (-30)/25= -1.2= 0.3842= 38.43%

14. Dada una curva normal con una media de 80 y una desviación estándar de 10,
calcule el área entre 65 y 85.

Bioestadística BECA BUAP

 Z= (65 - 80)/10= (-15)/10= -1.5= 0.43332= 43.32%
Z= (85 - 80)/10= 5/10= 0.5= 0.1915= 19.15%
Z= 1.5 + 0.5= 2
Z= 43.32% + 9.15%= 62.47%

15. Dada una curva normal con una media de 500 y una desviación estándar de 50,
calcule el área entre 555 y 600.

Z= (555 - 500)/50= 55/50= 1.1= 0.3643= 36.43%

Z= (600 - 500)/50= 100/50= 2= 0.4772= 47.72%
Z= 1.1 + 2 = 3.1
Z= 36.43 % + 47.72%= 84.15%

Ejercicios Distribución t-Student

16. Se realiza un estudio para determinar si los niños que viven en un radio de una milla
cerca de un restaurante de comida rápida tienen un índice promedio de masa
corporal más alto (IMC) que los niños que no viven tan cerca. Como regla, las
categorías IMC representan lo siguiente: 18.5 o menos bajo peso, 18.5 a 24.9
normal, 25.0 a 29.9 sobrepeso y 30.0 o más significa obesidad.
Los datos se presentan a continuación. Realice una prueba de la hipótesis contra
la
alternativa en el nivel de .05 de significancia. Denomine el grupo “en un radio
de una milla” como el grupo 1. ¿A qué conclusión llega respecto de esta pregunta?

Primero hay que establecer dos hipótesis: H0 (nula) y H1 (alternativa).

H0: Los niños que viven en un radio de una milla cerca de un restaurante de comida rápida tienen
el mismo IMC que los niños que viven lejos de dicho restaurante.
H1: Los niños que viven en un radio de una milla cerca de un restaurante de comida rápida tienen
un IMC más alto que los niños que viven lejos de dicho restaurante.

Bioestadística BECA BUAP

 ∑x1= 239.3
x 1= 23.93

∑x2= 240.7
x 2 = 24.07

S1 = √ [∑ (x1 - x1) 2 / n-1]= √ (186.8 / 9)= √ 20.75

S2 = √ [∑ (x2 - x2) 2 / n-1]= √ (163.86 / 9)= √ 18.20

t= (23.93-24.07)/√(20.75/10+18.2/10)= (-0.14)/√(2.07+1.81)= (-0.14)/1.96= -0.07

Grados de libertad: 18
Grupo 1: n – 1= 10 – 1= 9
Grupo 2: n – 1= 10 – 1= 9
9 + 9= 18

Significancia: 0.05

t = -0.07

-1.7 1.7

R= En este caso, el valor crítico obtenido para una prueba T con una cola de 18 grados de libertad
y un nivel de significancia de 0.05, fue de 1.734. El resultado del estadístico de prueba fue de -
0.07 y este valor si entra en el área de aceptación de -1.7 y 1.7; por lo tanto, la H0 o hipótesis nula
es aceptada. A modo de conclusión, los niños que viven en un radio de una milla cerca de un
restaurante de comida rápida tienen el mismo IMC que los niños que viven lejos de dicho
restaurante.

Bioestadística BECA BUAP

 17. Suponga que una encuesta realizada por un grupo educativo en contra del
tabaquismo demuestra que .312 de los varones del último año de bachillerato y .288
de las mujeres reportan que, por rutina, fuman uno o más cigarrillos al día.
Suponiendo que la encuesta se aplicó a 1,777 varones y 1,821 mujeres, lleve a cabo
una prueba de dos colas de la hipótesis nula con un nivel de significancia
de .05. Interprete el resultado.

q ̂1 = 1 - p1 = 1 - .321 =.688
q ̂2 = 1 - p2 = 1 - .288 =.712
n1 = 1777
n2 = 1821

Z= ((.312) - (.288))/√(((0.312)(.688)/1777)(((.288).712))/1821))
Z=.024/√((〖1.21x10〗^(-4) )(〖1.13x10〗^(-4)))
Z=1.57

Z = 1.57

-1.96 1.96

R= p1 y p2 indican los casos de éxito, mientras que q1 y q2 van a indicar la proporción de fracaso
en las dos muestras. Los valores críticos para una prueba Z de dos colas con valor de significancia
a .05 son 1.96 y -1.96. El resultado fue 1.57, que es menor al valor Z. Por lo tanto, no se rechaza
la hipótesis nula, por lo que la prueba no es significativa. A modo de conclusión, no se puede
demostrar que existe una diferencia en las proporciones de fumadores masculinos y femeninos.

Correlación Lineal

18. De acuerdo a la correlación lineal de Pearson diga qué tipo de correlación indican los
gráficos.

Bioestadística BECA BUAP

 No hay correlación Correlación simple lineal Correlación lineal Correlación lineal
positiva negativa significativa simple positiva débil

19. ¿Cuándo se utiliza la correlación lineal de Pearson y cuando la de Spearman?

R= La correlación lineal de Pearson se utiliza para medir la relación lineal de variables
cuantitativas normales (que al momento de graficarlas siguen una distribución con forma de
campana de Gauss). Una relación es lineal cuando un cambio en una variable se asocia a un
cambio proporcional en la otra variable. De igual forma, se utiliza cuando hay una cantidad mayor
o igual a 30 datos y cuando hay variables con escalas de medición incluso de intervalo o razón.
Por otro lado, se utiliza la correlación de Spearman cuando hay variables cuantitativas no
normales u ordinales (que al graficarlas no sigan una distribución normal con forma de campana
de Gauss), cuando hay menos de 30 datos, o cuando una variable sea cuantitativa y la otra
cualitativa. En esta relación, las variables tienden a cambiar al mismo tiempo, pero no
necesariamente a un ritmo constante. La correlación de Spearman suele utilizarse para evaluar
relaciones en las que intervienen variables ordinales.

Chi- Cuadrado

20. ¿Qué es y para que se usa el método de Chi- cuadrado?

R= El método de Chi-cuadrado es una medida de divergencia o una prueba de hipótesis que
compara la distribución observada de los datos con una distribución esperada o hipotética
seleccionada. Se utiliza para contrastar frecuencias observadas con las frecuencias esperadas de
acuerdo con la hipótesis nula y para comparar proporciones de variables cualitativas, es decir, si
una tasa es diferente de la otra y si la misma tiene significancia estadística. Para evaluarla se
calculan los valores que indicarían la independencia absoluta, lo que se denomina frecuencias
esperadas, comparándolos con las frecuencias de la muestra. H0 indica que ambas variables con
independientes, mientras que H1 indica que las variables tienen algún grado de asociación.

Bioestadística BECA BUAP