1.La base de datos sexbias.

csv contiene la informacin coleccionada de un

estudio realizado por la Universidad de California en Berkeley, para evaluar si los
hombres estaban recibiendo un trato preferencial sobre las mujeres en la
admisin a ciertos programas de posgrado.

Suponiendo que los hombres y las mujeres que solicitaron la admisin a los
programas de posgrado fueron igualmente bien calificados, se esperaran tasas
de aceptacin iguales o semejantes por gnero. Esta base contiene la experiencia
de 4526 sujetos que deseaban ingresar a los seis programas de posgrado ms
prestigiosos de esta universidad. Las variables coleccionadas son:

Base: Sexbias
Variable Descripcin
SEX
Aceptado en el programa: +/ (La respuesta)
ACCEPT 1: MALE 2: FEMALE (Factor de exposicin)
MAJOR Departamentos (A, B, C, D, E, F)
(UC Berkeley policy does not allow majors to be identified by
name)

Con esta informacin se puede afirmar a un nivel de significancia, , que existe

evidencia que los hombres estaban recibiendo un trato preferencial en
detrimento de las mujeres. Argumente cuidadosamente su respuesta.

Solucin.

Observamos como se comporta la base (se anexa cdigo R, summary de los

datos)

## gnero departamento aceptado

## female:1835 A:933 N:2771
## male :2691 B:585 Y:1755
## C:918
## D:792
## E:584
## F:714

Creamos una tabla con los totales llamada tablatotal

tablatotal

## Y N T
## male 1198 1493 2691
## female 557 1278 1835
## Total 1755 2771 4526
En donde Y significa aceptado en el programa, N significa no aceptado en el
programa y T totales por rengln.

Queremos evaluar las hiptesis:

La condicin gnero y aceptacin son independientes.
La condicin aceptacin est asociada con el gnero.

Para evaluar las hiptesis debemos construir los valores esperados para aplicar la
prueba ji-cuadrada. Obtenemos la tabla de valores esperados tablaest.
(Documentada en el script).

## Y_Est N_Est
## male 1043.4611 1647.539
## female 711.5389 1123.461

Ahora calculamos el estadstico de prueba de tres formas diferentes, todos con

df=1.

usamos

y corregimos con la aproximacin de Yates

En todos los casos el valor del valor-p es casi cero.

Podemos concluir que no hay evidencia suficiente para aceptar , por lo tanto,
aceptamos que hay evidencia de asociacin entre el gnero y la aceptacin de
ingreso a los programas, y en consecuencia, preferencia sobre el gnero
masculino.

Por ltimo, usamos los comandos summary y chisq.test aplicndolos a la

tabla de contingencia (que son dos maneras de haber resuelto el problema desde
el principio, pero es la forma en que estamos argumentando cuidadosamente
como se pueden obtener los dos diferentes valores de ).

"Summary"
table(gnero,aceptado)

## aceptado
## gnero N Y
## female 1278 557
## male 1493 1198
summary(table(gnero,aceptado))

## Number of cases in table: 4526

## Number of factors: 2
## Test for independence of all factors:
## Chisq = 92.21, df = 1, p-value = 7.814e-22

########
chisq.test(table(gnero,aceptado))

##
## Pearson's Chi-squared test with Yates' continuity correction
##
## data: table(gnero, aceptado)
## X-squared = 91.61, df = 1, p-value < 2.2e-16
3. El riesgo de cncer de mama est directamente relacionado con la edad de
las mujeres a las que tuvieron su primer hijo.

Cundo se avala la asociacin entre el nmero total de hijos y el riesgo de

cncer de mama, debe controlarse por edad de la madre a la que
tuvieron el primer hijo? Argumente su respuesta.

Tenemos que el primer hijo es la causa mientras que el riesgo de cncer de mama
es el efecto, siendo un factor biolgico, por tanto cuando se toma una
asociacin con la causa del nmero total de hijos y el riesgo de cncer de
mama, siempre va a intervenir la edad a la que se tuvo el primer hijo, esto
conlleva a que si se debe controlar la asociacin por edad de la madre a la
que tuvo el primer hijo debido a que la causa siempre va a estar presente
en la asociacin.

En esta cadena causal, qu roles tienen las tres variables involucradas?.

Se tiene que la tres variables son: nmero de hijos, edad de la madre, cncer de
mama. donde los roles que intervienen son los siguientes:

- Nmero total de hijos: El rol que interviene es una asociacin no causal, debido
a que no existe una relacin entre el nmero total de hijos con el riesgo de
tener cncer.

- Edad a la que se tuvo el primer hijo: El rol que interviene es el factor de riesgo
debido a que la edad a la que se tuvo el primer hijo aumenta la
probabilidad de tener cncer de mama.

- Cncer de mama: En este caso el factor que interviene es la causa suficiente

debido a que la edad de la madre a la que tuvo el primer hijo siempre est
presente.
4. En la siguiente tabla se muestran los resultados de un estudio de casos y
controles para estudiar el efecto del asma y el sexo sobre la alergia
primaveral a las gramneas. Se definen como casos a los individuos
alrgicos y como controles a los no alrgicos.

Alergias
Hombres Mujeres
Asmticos No asmticos Asmticos No asmticos
Casos 19 8 10 24
Controles 51 84 31 89

Existe relacin entre el hecho de ser asmtico y la definicin de caso y

control (sin considerar la variable sexo). Utilizar la medida de riesgo
adecuada, e interpretar los resultados obtenidos (Usar = 0:05).

Sin considerar la variable sexo la tabla que se obtiene es la siguiente:

Alergias
Asmticos No asmticos
Casos 29 32
Controles 82 173

Para encontrar la relacin entre el hecho de ser asmtico y los casos y controles
calculamos la medida de asociacin OR

Momio de casos

Momio de controles

Podemos observar que el , esto nos indica que hay relacin entre el hecho de ser
asmtico y los casos y controles.
Utilizando las medidas de riesgo con = 0.05, y llamado a la tabla como alergia, se
obtuvieron los siguientes resultados

CocienteMomios(alergia,0.05)
CocienteMomios
[1] 1.911966

confianza
[1] 95

IntervaloConfianza
[1] 1.084445 3.370956

RR(alergia,0.05)
RiesgoRelativo
[1] 1.478409

Confianza
[1] 95

IntervaloConfianza
[1] 1.075444 2.032362

Usando el resultado de riesgo relativo, se observa que RR>1 por lo que el riesgo se
incrementa en los casos de sujetos asmticos no siendo as en los controles.

Es la variable sexo modificadora del efecto o confusora?. Justifique su

respuesta.

Para determinar si la variable sexo es una variable externa a la relacin que se evala
compararemos los momios de hombre y de mujer

Hombre
Asmtico No Asmticos
Casos 19 8
Controles 51 84

Momio de los casos

Momio de los controles

 Mujeres
Asmtico No Asmticos
Casos 10 24
Controles 31 89

Momio de los casos

Momio de los controles

Por lo que concluimos que debido a que el cociente de momios entre mujeres y hombres
es diferente la variable sexo no juega el papel de una variable confusora en el estudio
realizado.

Cul sera la conclusin con base a los resultados del estudio.

Por los resultados obtenidos concluimos que el riesgo de alergia debido a la primavera no
depende del sexo de individuo, por lo que el riesgo es por igual en hombres y mujeres,
pero se ven ms afectados aquellos pertenecen al grupo de casos asmticos.