h.ilarraza, jun 20041 inicio dr hermes ilarraza lomelí adaptación y traducción algoritmo para...

H.Ilarraza, Jun 2004 1

Inicio Dr Hermes Ilarraza LomelíAdaptación y traducción

Algoritmo para elección dePruebas diagnósticas

Junio 2004

FinLista de Pruebas

Rosner Bernard. Fundamentals of Bioestatistics.2000. 5th Ed.776-780

Algoritmo


Inicio

¿Probar solamente 1 variable?

Si No

Rosner Bernard. Fundamentals of Bioestatistics. 5th Ed.776-780

Fin


• Variable (1)

¿Se tiene 1 sola muestra?

Si No


Inicio Fin


• Variable (1)• Muestra ( + de 1)

¿Se tiene 2 muestras?

Si No


Inicio Fin



Si No

¿ Distribución Normal óel teorema central es válido?


Inicio Fin



Si No



Inicio Fin


• Variable (1)• Muestra ( + de 1)• Distribución normal

ANOVA de una vía


Inicio Fin


• Variable (1)• Muestra ( + de 1)• Distribución normal (NO)

¿ Variable categórica?

Si No


Inicio Fin


• Variable (1)• Muestra ( + de 1)• Distribución normal (NO)• Variable categórica

Tabla de contingenciaR x C


Inicio Fin


• Variable (1)• Muestra ( + de 1)• Distribución normal (NO)• Variable categórica (NO)

• Otra distribución.•Métodos no paramétricos

(Kruskal-Wallis)


Inicio Fin


• Variable (1)• Muestras (2)


Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)

¿Diferencias concernientes amedias (x)?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)

¿Tiene distribución binomial?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)

¿Datos de Persona - Tiempo?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo (NO)

Utilizar estadística noparamétrica


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona - Tiempo

¿Una muestra?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra

Tendencia de tasas de Incidencia, para una muestra


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)

¿La incidencia se mantieneconstante en el tiempo?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo

¿Dos muestras?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo• Dos muestras

•Prueba de comparación de tendencia de tasas de incidencia para 2 muestras (sin confusores)

•Métodos para datos Persona/tiempo estratificados (con confusores)


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo• Dos muestras (NO)

¿Interés en probar más de 2 grupos expuestos?

Si


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo• Dos muestras (NO)• Interés en probar tendencias más de 2 grupos expuestos

Prueba de tendencias para tasas de

incidencia


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo (NO)

Continua..

Utilizar métodos de análisis de sobrevida


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo (NO)

¿Interés en comparar curvasde sobrevida en 2 grupos

con control limitado de covariables?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo (NO)• Comparar curvas de sobrevida 2 gpos con control de covariables.

Usar prueba deLogaritmo del intervalo

(Log rank)


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo (NO)• Comparar curvas de sobrevida 2 gpos con control de covariables (NO).

¿Interés en los efectos de variosFactores de riesgo en la sobrevida?

Si


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial (NO)• Datos de Persona – Tiempo• Una muestra (NO)• Incidencia constante en el tiempo (NO)• Comparar curvas de sobrevida 2 gpos con control de covariables (NO).• Efecto de factores de riesgo en la sobrevida

Usar el modelo deRiesgos proporcionales de

Cox


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial

¿Son muestras independientes?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes (NO)

Prueba de McNemar


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes

¿Los valores esperados ≥ 5?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Los valores esperados ≥ 5 (NO)

Prueba exacta de Fisher


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5

¿Tabla de contingencia de 2 x 2?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5• Tabla de contingencia de 2 x 2

•Prueba para proporciones binomiales (2 muestras).

•Método para tabla 2x2

(si no hay confusores)

•Prueba de Mantel-Haenszel

(si hay confusores)


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5• Tabla de contingencia de 2 x 2 (NO)

¿Tabla de contingencia de 2 x k ?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5• Tabla de contingencia de 2 x 2 (NO) • Tabla de contingencia de 2 x k (NO)

¿Tablas R x CCon R>2 y C>2?

Si


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5• Tabla de contingencia de 2 x 2 (NO) • Tabla de contingencia de 2 x k (NO)• Tablas R x C (R>2, C>2)

Prueba de Chi2 para Heterogenicidad para tablas R x C


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5• Tabla de contingencia de 2 x 2 (NO) • Tabla de contingencia de 2 x k

¿Interés en realizar proporcionesk binomiales?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5• Tabla de contingencia de 2 x 2 (NO) • Tabla de contingencia de 2 x k • Interés en realizar proporciones k binomiales

•Prueba de Chi2 (si no hay confusores)

•Prueba de extensión de Mantel

(si hay confusores)


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (NO)• Distribución binomial• Muestras independientes• Valores esperados ≥ 5• Tabla de contingencia de 2 x 2 (NO) • Tabla de contingencia de 2 x k • Interés en realizar proporciones k binomiales (NO)

Prueba de Chi2 para heterogenicidadPara tablas de 2 x k


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)• Diferencias concernientes a medias (x)

¿Son muestras independientes?

Si No


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)• Diferencias concernientes a medias (x) (NO)

¿Diferencias concernientes a varianzas σ2?

Si


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)• Diferencias concernientes a medias (x) (NO)• Diferencias concernientes a varianzas σ2

Prueba de F para comparar varianzas

Precaución: Esta prueba es muy sensible para no-normalidad


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)• Diferencias concernientes a medias (x)• Muestras independientes

¿Las σ2 no son significativamentediferentes?

Si No

*Usar prueba de F.


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)• Diferencias concernientes a medias (x)• Muestras independientes (NO)

Prueba de t pareada


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)• Diferencias concernientes a medias (x)• Muestras independientes• Las σ2 no son significativamente diferentes

Prueba de t para 2 muestras

para varianzas semejantes


Inicio Fin


• Variable (1)• Muestras (2)• Distribución normal (Sí)• Diferencias concernientes a medias (x)• Muestras independientes• Las σ2 no son significativamente diferentes (NO)

Prueba de t para 2 muestras

para varianzas NO semejantes


Inicio Fin


• Variable (1)• Muestra (1)

¿Distribución Normal óel teorema central es válido?

Si No


Inicio Fin


¿Inferencia acerca de μ?

Si No

• Variable (1)• Muestra (1)• Distribución Normal (Si)

Inicio Fin



¿Se conoce la varianza?

Si No

• Variable (1)• Muestra (1)• Distribución Normal (Si)• Inferencia (μ)


Inicio Fin


¿Inferencia acerca de σ2?

Si

• Variable (1)• Muestra (1)• Distribución Normal (Si)• Inferencia (μ) (NO)


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (Si)• Inferencia (μ) (NO)• Inferencia acerca de σ2

Prueba de Chi2 (1 muestra)

para varianzas

Precaución: Esta prueba es muy sensible para no-normalidad


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (Si)• Inferencia (μ)• σ2 (conocida).

Prueba de z(para una muestra)


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (Si)• Inferencia (μ)• σ2 conocida (NO).

Prueba de t(para una muestra)


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)

¿Es una distribución binomial?

Si No


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)• Distribución binomial

¿Prueba binomial 1 muestra?

Si No


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)• Distribución binomial (NO)

¿Es una distribución de Poisson?

Si No


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)• Distribución binomial (NO)• Distribución de Poisson

Prueba de Poisson(para una muestra)


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)• Distribución binomial (NO)• Distribución de Poisson (NO)

Métodos noparamétricos


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)• Distribución binomial• Prueba binomial muestra (1)

¿Aproximación a la normalidadválida?

Si No


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)• Distribución binomial• Prueba binomial muestra (1)• Aproximación a la normalidad válida

Métodos de teoríanormal


Inicio Fin


• Variable (1)• Muestra (1)• Distribución Normal (NO)• Distribución binomial• Prueba binomial muestra (1)• Aproximación a la normalidad válida (NO)

Métodos Exactos


Inicio Fin


• Variable (1) (NO)

¿Relación entre 2 variables?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables

¿Ambas variables son continuas?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre más de 2 variables

¿La variable resultado es binariaó continua?

Continua Binaria


Inicio Fin


• Variable (1) (NO)• Relación entre más de 2 variables• Variable resultado (Continua)

Métodos de regresiónmúltiple


Inicio Fin


• Variable (1) (NO)• Relación entre más de 2 variables• Variable resultado (binaria)

¿El tiempo de los eventos es importante?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre más de 2 variables• Variable resultado (binaria)• El tiempo de los eventos es importante

Métodos de análisisde sobrevida

Continua..


Inicio Fin


• Variable (1) (NO)• Relación entre más de 2 variables• Variable resultado (binaria)• El tiempo de los eventos es importante (NO)

Métodos de regresiónLogística múltiple


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas

¿Predecir una variable a partirde la otra ?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)

¿Una variable continua y otracategórica ?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica.

ANOVA

Continua..


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica (NO).

¿Los datos son ordinales?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica (NO)• Datos ordinales

Método de correlaciónde intervalos (Rank)


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica (NO)• Datos ordinales (NO)

¿Ambas variables son categóricas?

Si


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica (NO)• Datos ordinales (NO)• Ambas variables son categóricas

¿Qué tipo de pruebas busca?

Asociación Reproducibilidad


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica (NO)• Datos ordinales (NO)• Ambas variables son categóricas• Pruebas de asociación.

Use métodos para tablas de contingencia


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica (NO)• Datos ordinales (NO)• Ambas variables son categóricas• Pruebas de reproducibilidad.

Use prueba de Kappa


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA

Número de maneras en que puedeSer clasificada la variable categórica

1 2 >2


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (1)

¿La variable resultado tieneun comportamiento Normal?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (2)

Si No

¿Tiene otras co-variablesa controlar?


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica ( + de 2)

Si No



Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica ( + de 2)• Otras co-variables a controlar

Análisis de Co-varianza


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica ( + de 2)• Otras co-variables a controlar (NO)

ANOVA de mas vías


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (2)• Otras co-variables a controlar



Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (2)• Otras co-variables a controlar (NO)

ANOVA 2 vías


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (1)• La variable resultado es Normal


Si No


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formasde clasificar la variable Categórica (1)• La variable resultado es Normal (NO)

ANOVA no paramétrica

Continua..


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (1)• La variable resultado es Normal (NO) • ANOVA no paramétrica

Prueba deKruskal - Wallis


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (1)• La variable resultado es Normal• Otras co-variables a controlar



Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas (NO)• Una variable continua y otra categórica. • ANOVA• Formas de clasificar la variable Categórica (1)• La variable resultado es Normal• Otras co-variables a controlar (NO)

ANOVA de 1 vía


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas• Predecir una variable a partir de la otra

Regresión lineal simple


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas• Predecir una variable a partir de la otra (NO)

¿Estudiar la relación entredos variables?

Si


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas• Predecir una variable a partir de la otra (NO)• Estudiar la relación entre dos variables

¿Ambas variables son normales?

Si No


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas• Predecir una variable a partir de la otra (NO)• Estudiar la relación entre dos variables• Ambas variables normales

Método de correlaciónde Pearson


Inicio Fin


• Variable (1) (NO)• Relación entre 2 variables• Ambas variables continuas• Predecir una variable a partir de la otra (NO)• Estudiar la relación entre dos variables• Ambas variables normales (NO)

Método de correlaciónde Intervalos (Rank)


Inicio Fin


Análisis deSobrevida


Prueba z (1 muestra)

Prueba t (1 muestra)

Prueba Chi2 (1 muestra)

para σ2

Métodos deTeoría normal

Métodos exactos

Prueba Poisson (1 muestra)

Pruebas noParamétricas

Prueba F (2 muestras)

p/Comparar σ2

Prueba exacta de Fisher

Prueba de McNemar

Prueba t (2 muestras)σ2 diferentes

Prueba t (2 muestras)

σ2 iguales

Prueba t Pareada

Método de Correlación de

Pearson

Método de Correlación de

Intervalos (Rank)

RegresiónLineal simple

ANOVA noparamétrica

Prueba deKruskal-Wallis

ANOVA

ANOVA(1 vía)

ANOVA(2 vías)

ANOVA( > 2 vías)

Análisis deCo-varianza

Kappa

Tablas deContingencia

RegresiónLogística Múltiple

Tendenciasde Incidencias

Prueba de Log-Rank

Modelo de riesgosproporcionales de

Cox

Métodos de Estratificación

Tiempo-persona

Chi2 para heterogenicidad de tablas R x C

Prueba de Mantel-Haenszel Inicio Fin

1 2

1 2 31 2 3

1 2

1 2

1 2

1 2

1 2 3

1 2

1 2 3



Gracias por usar el algoritmo de elección de

pruebas estadísticas.

Inicio Lista de Pruebas Salir

h.ilarraza, jun 20041 inicio dr hermes ilarraza lomelí adaptación y traducción algoritmo para...

Documents

fundamentals of bioestatistics

sinorosner bernard

wallisrosner bernard

muestrarosner bernard

varosner bernard

distribucin normalanova

sola muestra

teorema central