TEMA I

I. Introducción a la Bioestadística.
El alumno conocerá los problemas de la estadística y los diferentes tipos de
estudios estadísticos.

I.1. Concepto de estadística.

I.2. Error, precisión y exactitud. Poblaciones y muestras.
I.3. Criterios de inclusión, exclusión y eliminación.
I.4. Tipos de estudios en las diferentes disciplinas del conocimiento:
longitudinales y transversales, descriptivos y comparativos, observacionales y
experimentales, retrospectivos y prospectivos.
I.5. Protocolos de investigación utilizados en las diferentes disciplinas del
conocimiento: Encuestas descriptivas y comparativas. Estudio de casos; Estudio
de casos y controles, cohortes; Estudios experimentales.
I.6. Estadística asociada a los diferentes tipos de estudio. Descriptiva e inferencial.
Manejo de relaciones de casualidad.
I.1. Definición de estadística
Rama de la matemática que se avoca a la recolección, estudio e
interpretación de los datos obtenidos en un estudio. Es aplicable
a una amplia variedad de disciplinas (física, ciencias sociales,
psicología, medicina, biología).
 TEMA I

I.4. Tipos de estudios en las diferentes disciplinas del conocimiento (Méndez, 1991).
I.6. Estadística descriptiva
Los procedimientos y análisis que se utilizan en estadística pueden agruparse en
dos categorías generales, descriptiva e inferencial, dependiendo de los
objetivos de estudio. De esta manera la estadística se divide en dos ramas y
ambas comprenden la estadística aplicada.

Estadística descriptiva: comprende aquellos métodos usados para organizar y

describir la información recabada. Estos métodos se usan para analizar
información y representarla en forma gráfica tal, que permita interpretarla con
significado.

Se dedica a los métodos de recolección, descripción, visualización y resumen de

datos originados a partir de los fenómenos en estudio. Los datos pueden ser
resumidos numérica o gráficamente. Ejemplos básicos de descriptores
numéricos son: la media y la desviación estándar. Resúmenes gráficos
incluyen varios tipos de figuras y gráficos.
I.6. Estadística inferencial
Estadística iferencial: La inferencia estadística es una parte de la Estadística
que comprende los métodos y procedimientos para deducir propiedades
(hacer inferencias) de una población, a partir de una pequeña parte de la
misma (muestra).

La bondad de estas deducciones se mide en términos probabilísticos, es decir,

toda inferencia se acompaña de su probabilidad de acierto.

La estadística inferencial comprende:

• La Teoría de muestras.
• La estimación de parámetros.
• El Contraste de hipótesis.
• El Diseño experimental.
• Inferencia bayesiana (Teorema de Bayes ).
I.6. Relaciones de causalidad
Hipótesis de causalidad. Las hipótesis de causalidad
se formulan para investigaciones experimentales.
Expresan una relación de causa-efecto entre las
variables que se someten a estudio.
Una hipótesis de causalidad puede expresar una
relación causal entre una variable independiente y
una variable dependiente, o bien, puede hacerlo
entre mas de una variable independiente y una
variable dependiente.

Hipótesis de Nulidad: expresa la ausencia de relación,

diferencia, causalidad, etc. entre dos o mas variables.
I.6. Relaciones de causalidad Causa-Efecto
Principio de causalidad: El principio de causalidad postula que
todo efecto -todo evento- debe tener siempre una causa.

Principio de uniformidad: que, en idénticas circunstancias, una

causa tenga siempre un mismo efecto se conoce como principio
de uniformidad. Se usa para la búsqueda de leyes definidas, que
asignan a cada causa su correspondiente efecto.

Ejemplos:
F. El elevado índice de inflación en México es causa del bajo poder adquisitivo
del peso mexicano.

H. Los factores de productividad total (recurso humano, materia prima, energía,

capital y otros gastos) del sector manufacturero mexicano son los
determinantes de la productividad total.
 ESTUDIOS DE CAUSA A EFECTO

Tiempo inicial t0 Tiempo final t2

Poblaciones en estado inicial Poblaciones en estado subsecuente

P1 n1 elementos a individuos P1
con la causa con el efecto

P2 n2 elementos b individuos P2
sin la causa con el efecto

ningún elemento presenta el efecto

 X Y CAUSALIDAD
DETERMINISTICA

X Y CAUSA SUFICIENTE
PERO NO NECESARIA

X Y CAUSA NECESARIA
PERO NO
SUFICIENTE

CAUSALIDAD PROBABILISTICA CAUSA NO NECESARIA

NI SUFICIENTE, PERO
HAY UNA RELACION
ESTADISTICA

X Y P(Y/X) > P(Y/noX)

 Apoyo empírico de la casualidad

• Si la asociación entre X y Y persiste después de condicionar

(mantener constante) posibles factores de confusión o
explicaciones alternativas,A1,A2,...An se tiene un apoyo
empírico a la causalidad.
Apoyo empírico de la casualidad

Hay dos maneras de condicionar:

por diseño: mediante: Bloques, homogeneización y
aleatorización.
por análisis: se incluyen en el modelo como variables
independientes las mediciones de los posibles factores de
confusión, además de la X; con la Y como dependiente.
En todos los casos es importante considerar la posibilidad de
que existan interacciones entre la X y los factores A1, A2, ...An