Teoría de
decisión Bayesiana para encontrar similitud de variables cualitativas y
cuantitativas utilizada en las defunciones maternales
Bayesian
decision theory to find similarity of qualitative and quantitative variables
used in maternal deaths
Dennys Carriel Espinoza1, Raúl Paredes Zambrano2, Luis Rendón Herrera3, Jordy Choez Casierra4, Lorenzo Cevallos-Torres5, y Miguel Botto-Tobar6
RESUMEN
El propósito de esta investigación es determinar los porcentajes de mortalidad maternas registradas en el Instituto Nacional de Estadística y Censos durante el año 2016. La mortalidad en madres en estado de gestación es un problema que genera un impacto a nivel social ya que existen diferentes factores como el cuidado obtenido durante la gestación, el estado de salud de la madre, la atención médica recibida, entre otros los cuales conllevarían al deceso de la madre gestante. Basándose en un estudio estadístico probabilístico descriptivo, con el uso de variables cuantitativas y cualitativas, mediante la selección de 3 variables (Edad, Estado Civil y Área de Residencia) obtenidas de la base de datos pública del Instituto Nacional de Estadística y Censos, se procedió al calculo mediante el Teorema de Bayes. Dando como resultado que en el año 2016 la incidencia de mortalidades maternas en menores de edad tiene un bajo porcentaje a comparación de jóvenes y adultas.
Palabras clave: Defunciones maternas,
Embarazo, Probabilidad, Teorema de Bayes, Correlación.
ABSTRACT
The purpose of this research is to determine
the maternal mortality percentages registered in the National Institute of
Statistics and Censuses during 2016. Mortality in pregnant mothers is a problem
that generates an impact at the social level since there are different factors
such as the care obtained during pregnancy, the state of health of the mother,
the medical care received, among others, which would lead to the death of the
pregnant mother. Based on a descriptive probabilistic statistical study, with
the use of quantitative and qualitative variables, through the selection of 3
variables (Age, Marital Status and Residence Area) obtained from the public
database of the National Institute of Statistics and Censuses, we proceeded to
the calculation using the Bayes Theorem. As a result, in 2016 the incidence of
maternal mortality in minors has a low percentage compared to young people and
adults.
Keywords: Maternal deaths, Pregnancy,
Probability, Bayes theorem, Correlation.
Fecha de recepción: Mayo 20, 2019.
Fecha de aceptación: Septiembre 5, 2019.
Uno de los mayores problemas en el Ecuador consiste en la muerte de mujeres en etapa de embarazo, es preocupante para los padres de todas partes del mundo, ya que este problema se presenta durante la etapa de gestación, los cuales pueden llegar a tener consecuencias fatales tanto para la madre, como para el feto, una de las consecuencias que posee este problema son las cicatrices emocionales para las personas cercanas a la víctima.
La defunción que ocurre durante el proceso de gestación puede ser causada por varios factores, los cuales son inevitables como enfermedades sin un tratamiento adecuado, o accidentes físicos que agravan el proceso de gestación.
Uno de los usos más comunes para la estadística y probabilidad es el análisis de datos, el cual se intenta obtener un patrón o perspectiva de la ocurrencia de un evento, esto se puede ver manifestado en el trabajo [1], en el cual se utilizó un estudio descriptivo donde las variables obtenidas fueron analizadas mediante el uso de tablas, números absolutos y porcentajes, predominaron las muertes fetales de causa desconocida, seguidas por enfermedad hipertensiva del embarazo y el crecimiento intrauterino retardado, el mayor número de muertes ocurrieron anteparto, fuera del hospital. Dando como resultado la alta tasa de muertes fetales tardías en la provincia de estudio.
Por su parte [2], para determinar las causas de los decesos fetales utilizó un diseño retrospectivo, a una población de 1236 casos de gestantes de muertes fetales, los datos se ingresaron en un software y se distribuyeron estadísticamente las variables cuantitativas continuas y discretas donde se determinaron los estimadores de centralización, estimadores de posición y estimadores de forma para poder definir sus datos con un aproximado de 95%, el cual presento como resultado la posibilidad que el riesgo de restricción del crecimiento intrauterino podría ser una de las patologías más predominantes.
Como se observa en la metodología de los trabajos [1] y [2], ellos utilizan los resultados de una población las cuales mediante fórmulas estadísticas se obtienen datos precisos que periten determinas las causas comunes que producen la muerte tanto fetal como maternal, en contraste a este trabajo, se utiliza un método estadístico mediante el uso de tablas de frecuencia y el método probabilístico "Teorema de Bayes", para el análisis de 3 variables establecidas e identificar el porcentaje probabilístico de la unión de 2 de estas variables.
El trabajo creado por [3] es utilizado en el área de la Ginecología y la Obstetricia del campo de medicina, donde se analizaron 50 casos para la utilización de los resultados en variables para obtener la tasa de mortalidad fetal y maternal para su utilización en casos posteriores en la identificación de problemas similares futuros. Dando como resultado que la mayor cantidad de muertes fetales fueron tardías, con frecuencia en pacientes de 15 a 20 años. Mientras tanto, este escrito pretende ser utilizado como punto de inflexión por los puntos aportados en el mismo, en el mismo campo de medicina y estadística.
En el presente artículo dado por [4], utiliza Microsoft Excel 2010 para la creación de variables obtenidas en la base de datos del Servicio de Neonatología, y dichos datos fueron exportados al programa IBM SPSS Stadistic 20.0, el cual se utilizó para la creación de tablas su análisis. Los estudios previos demostraron el aumento de parto durante la adolescencia oscilando entre 7 y 25% siendo mayor en países en desarrollo. Se evalúan varias variables y finalmente se grafiaron los datos resultantes obtenidos para una mayor exactitud en resultados, al contrario, el programa designado en este escrito para la medición de datos es RStudio el cual produce resultados precisos en lo que se refiere a probabilidad y estadística.
Preparación de la contribución
Estadística
La estadística, se considera una parte esencial para el análisis de muestras o poblaciones debido al uso de fórmulas, como [5] lo explica en su trabajo: esta es indispensable en la vida diaria, y nos permite comprender del entorno que no rodea. Se usó en este trabajo debido a la precisión que permite lograr en cuestión de evaluación de datos.
Tablas de frecuencia
Se
puede definir estas como un orden de filas y columnas de datos, en donde sus
clasificaciones más comunes son las frecuencias relativas, absolutas y sus
formas acumuladas. Similar al concepto dicho
por [6] en su escrito, el uso de esta forma de estadística fue con el propósito
de ordenar lógicamente los datos para su utilización.
Tabla
1.
Ejemplo de una
tabla de frecuencias
Variable
Xi |
fi |
Fa |
hi |
Ha |
X1 |
f1 |
f1 |
h1 |
h1 |
X2 |
f2 |
f1 + f2 |
h2 |
h1 + h2 |
. |
. |
|
|
|
. |
. |
|
|
|
Xn |
fn |
(f1+ f2+…+ fn)
=N |
hn |
(h1+h2+…+ hn)
=1 |
|
∑ fi = N |
|
∑ hi = N |
|
Frecuencia
Absoluta:
Se define como el número de observaciones que cumple una característica
determinada y se denotara como fi.
Frecuencia
Acumulada:
Es la suma o acumulada de las frecuencias absolutas y se detonara por Fa; de
esta manera F1 = f1, F2 =f1 + f2, F3= f1+ f2+f3, etc.
Frecuencia
Relativa:
Es la proporción que representa fi en el total de datos observados, se denotará
por hi y se calcula de la siguiente manera: hi=(fi/N) donde N es el total de
observaciones realizadas.
Frecuencia
relativa acumulada: es la acumulación o suma de las
frecuencias relativas; H1=h1, H2 = h1+h2, H3 = h1+h2+h3, etc.
Probabilidad
La
probabilidad juega un rol importante en este escrito, como [7] explica: “la
diferencia de significado puede reflejar las distintas concepciones que
subyacen en la solución de problemas cotidianos de probabilidad y, al mismo
tiempo, ayuda a entender mejor los distintos errores que se cometen”, esta se
usa para ver las posibilidades que ocurra uno de los sucesos planteados y su
significado.
Teorema de conjuntos
Este teorema se aplica a los conjuntos, en este proyecto a las variables para su comparación y uso en el teorema de Bayes, similar a la explicación [8], donde se utiliza para la comparación de conjuntos.
Modelo Matemático
A, B: son
conjuntos de datos.
A U B:
unión de conjuntos que contienes los elementos de ellos.
A ∩ B:
intersección que contiene elementos comunes de A y B.
A / B: la
diferencia que contiene elementos de A pero no de B.
Ac: Los
elementos que no pertenecen al conjunto A.
U A B Figura 1. Diagrama
de Venn.
Diagrama
de Venn:
Es la relación que existe entre dos o más conjuntos representado por un gráfico
cuyos conjuntos se identifican con círculos y por una letra mayúscula [9].
Teorema de Bayes
Este
teorema es utilizado para calcular la probabilidad de ocurrencia en los casos
planteados, como [10] explica su importancia: “el teorema de Bayes tiene una
gran importancia en diagnóstico, evaluación, toma de decisiones y aplicación de
la inferencia estadística”, se explica con la siguiente formula:
Donde:
Donde
B es el suceso previo y An son suceso condicionado.
Independencia de Eventos.
P(E1∩E2)
= P(E1) * P(E2)
P(E1/E2)
= P(E1)
Teorema de Probabilidad Total
E1 E2 A E3 E4 Figura 2. Teorema de
Probabilidad Total
Formula:
P(A) = P(A1∩E1) +P(A∩E2) +P(A∩E3) + P(A∩E4) + P(A∩E5) + P(A∩E6) + P(A∩E7) + P(A∩E8)
En el
texto principal se usará un tamaño de 10 puntos e interlineado sencillo. Las
palabras en cursiva deben utilizarse para enfatizar conceptos o ideas. No están
permitidas palabras en negritas y subrayadas.
Indagar
el alto índice de mortalidad de las madres en estado de gestación a través de
los datos estadísticos para crear cultura de prevención.
Para este
trabajo se operará con una formula matemáticas en relación con la estadística y
probabilidad, esto para poder operar con los tipos de datos presentados, en los
cuales presentan de tipos cualitativos y cuantitativos, aparte de programas
externos, esto para dar datos y como se podrá interpretar los datos
relacionados.
El modelo matemático contiene los
siguientes datos definidos:
Probabilidad a Posteriori: Es un evento aleatorio de la
probabilidad condicional que es tomada después que la prueba científica es
tomada en cuenta.
Probabilidad Condicional: Es la probabilidad de que ocurra un
evento A, sabiendo que también sucede otro evento B.
Probabilidad a Priori: [13] Es la distribución de probabilidad
que expresa alguna incertidumbre acerca de P antes de tomar los “datos”.
Probabilidad Total: [14] El Teorema de la probabilidad
total nos permite calcular la probabilidad de un suceso a partir
de probabilidades condicionales. La fórmula para calcular es: P(B)=∑(Ai)* P(B/Ai).
Donde B es la probabilidad de que ocurra el suceso donde “i” toma valores entre
l y n.
# Algoritmo de Bayes
print("Ingrese el
porcentaje")
porcentaje <-c(scan())
print("Ingrese la probabilidad")
prob <-c(scan())
funcionB<-
function(porcentaje,prob){
suma<-0.00
for (i in length(porcentaje)) {
suma<-suma+porcentaje[i]*prob[i]
}
resta<-0.00
probabilidad<-c()
for (i in length(porcentaje)) {
resta<-porcentaje[i]*prob[i]/suma
probabilidad<-c(probabilidad, resta)
}
return(probabilidad)
}
print(funcionB(porcentaje,prob))
Programa
Para el presente trabajo se utilizó un programa estadístico llamado RStudio versión 1.2.1335, como lo define [15] “R es un sistema para análisis estadísticos y gráficos”, con los algoritmos necesarios, se calculará todos los datos anteriores con una precisión para evitar errores.
Caso de Estudio
El
objetivo principal del presente trabajo es de obtener los porcentajes de los
diversos problemas propuestos. Para esto se hicieron la selección de seis
variables las mismas que fueron obtenidas de una base de datos del INEC
(Instituto Nacional de Estadísticas y Censos), de nombre "Defunciones
Fetales 2016 - Estadísticas Vitales"; de estas variables se usaron tres
variables que corresponde a una variable cuantitativa y a dos cualitativas. Sin
embargo, se realizó un análisis estadístico y probabilístico usando tabla de
frecuencias y teoremas de Bayes respectivamente, adicionando el uso del
programa "RStudio 1.2.1335 - Windows 7+ (64 bits)", y la
implementación de los algoritmos requeridos para el cálculo. [16], [17], [18],
[19], [20].
Se
estudiaron 1818 casos de muertes maternales en el Ecuador durante el año 2016,
en los cuales, de 41 variables, las que constataban de datos sobre el sexo del
feto, edad de la madre, provincia de fallecimiento, nacionalidad, entre otros.
Se seleccionaron 3 variables principales, las que constatan del estado civil,
edad de la madre y el tipo de área residencia (urbana y rural).
Para
la primera variable se separaron las edades de las mujeres entre un rango de 5
intervalos, los cuales constatan de menores de edad (13 a 17 años), jóvenes
adultas (18 a 24 años), adultos (25 a 32 años), adultas mayores (33 a 48 años)
y datos sin especificar. Se seleccionó esta variable debido a que se influye la
experiencia de vida en las madres, y como estas están preparadas para afrontar
el proceso de gestación.
Table 2. Tabla de frecuencia acerca de edades de las difuntas madres.
EDAD DE LA MADRE |
||
Edades |
Frecuencia |
Frecuencia Relativa |
[13-17] |
165 |
9,1% |
[18-24] |
611 |
33,6% |
[25-32] |
605 |
33,27% |
[33-48] |
436 |
23,98% |
Sin Datos |
1 |
0,05% |
Total |
1818 |
100% |
En el
estado civil se separaron en los tipos de estados civiles existentes: Unida,
soltera, casada, divorciada, separada, viuda, unión de hecho, sin datos. Esta selección
de variable fue hecha debido a que el estado civil influye en el apoyo
económico y emocional que una madre puede recibir si se presenta un problema en
el estado de gestación.
Dando un
total de 9 sub-variables, mediante el teorema da Bayes arrogaron los siguientes
datos:
Table
3.
Tabla de frecuencia acerca del estado civil de las difuntas madres.
|
ESTADO CIVIL |
|
E.C |
Frecuencia |
Frecuencia Relativa |
Unida |
764 |
42% |
Soltera |
498 |
27,4% |
Casada |
527 |
28,9% |
Divorciada |
10 |
0,6% |
Separada |
4 |
0,2% |
Viuda |
3 |
0,1% |
Unión de hecho |
11 |
0,6% |
Sin datos |
1 |
0,1% |
Total |
1818 |
100% |
Otra de
las variables que se tomaron en cuenta para este trabajo fueron las áreas de
residencias (urbanas y rurales), debido a la división cultural que existen
entre ambas zonas, ya sea que por el tipo de educación, estilos de vida o el
constante cambio tecnológico existente, que afecta a las formas de cuidado
propio que poseen madres de ambas zonas.
Table
4.
Tabla de frecuencia acerca de las zona residencia-les de las difuntas madres.
|
ZONA RESIDENCIAL |
|
Tipo de zona |
Frecuencia |
Frecuencia
Relativa |
Urbana |
1558 |
85,7% |
Rural |
260 |
14,3% |
Total |
1818 |
100% |
E1 E2 A E3 E4 E5 E6 E7 E8 Figure 3. Teorema de
Bayes aplicando los eventos de la variable a utilizar identificándola como
En y la variable del evento nuevo con el que se va a rela-cionar se
identifica con la letra A..
Probabilidad Total.
A
= (A∩E1) U (A∩E2)
U (A∩E3) U (A∩E4)
U (A∩E5) U (A∩E6)
U (A∩E7) U (A∩E8)
P(A)
= P(A∩E1) + P(A∩E2)
+ P(A∩E3) + P(A∩E4)
+ P(A∩E5) + P(A∩E6)
+ P(A∩E7) + P(A∩E8)
P(A)
= P(A/E1) + P(A/E2) + P(A/E3) + P(A/E4) + P(A/E5) + P(A/E6) + P(A/E7) + P(A/E8)
Resultados
¿Cuál es
la probabilidad que una madre soltera menor de edad fallezca? Esto debido a la
creencia común que existe un riesgo mayor en menores de edad solteras, debido a
su inexperiencia y situación económica, las cuales pueden incrementar el número
de fallecimientos maternales.
Viendo
las probabilidades anteriores, se usa el teorema de Bayes, en donde el primer evento
es el rango de la edad propuesto, donde la probabilidad del evento 1 es
considerada la prioridad, el B es su posterior y se encuentra su
probabilidad condicional.
Mediante
el cálculo matemático se determinó que:
Y
mediante el algoritmo de R:
>porcentaje <-0.091
>pro <- 0.278
>prob <- funtion
(porcentaje, pro) {
suma <-0.00
for (i in l: length (porcentaje)) {
suma <-suma + porcentaje [i] + pro [i]
}
resta <- 0.00
probabilidad <- c()
for(i in l: length (porcentaje)){
resta <- porcentaje [i] * pro[i]/suma
probabilidad <- c (probabilidad. resta)}
return (probabilidad)
print(función(porcentaje.
pro)
[1] 0.0052 = .52%
Donde se
puede interpretar que solo el .52% de defunciones maternales son solteras menores
de edad, un porcentaje sorpresivamente bajo, en comparación al 48.3% de las
jóvenes adultas solteras, dando como resultado, que la concepción grupal que
las menores de edad tiendan a tener un mayor riesgo, debido a su estado actual.
Otra
pregunta relacionada con la anterior es: ¿Cuál es la probabilidad que una madre
entre 25 a 32 años casada fallezca?
Donde,
igual que el problema planteado anteriormente, se utiliza una relación de
variables con la finalidad de encontrar el porcentaje, debido al factor de
conocimiento y seguridad que poseen madres casadas de edad adulta
Precisando
del cálculo matemático se obtuvo el resultado:
(3)
Y
mediante el algoritmo de R:
>porc <-0.327
>proba <- 0.29
>prob <- funtion
(porc, proba) {
suma <-0.00
for (i in l: length (porc)) {
suma <-suma + porc [i] + proba [i]
}
resta <- 0.00
probabilidad <- c()
for(i in l: length (porc)){
resta <- porc [i] * proba[i]/suma
probabilidad <- c (probabilidad. resta)}
return (probabilidad)
[1] 0.48 = 48%
Este
resultado explica que, del rango de madres casadas, uno de los casos
predominantes son las madres adultas casadas, dando entender que 52% restantes
son de las otras variables. Una posible señal de alarma a pequeña escala, ya
que se puede interpretar que es el caso predominante, pero no tiene que tomarse
como la causa principal.
Para
finalizar la relación de las tablas de edades y estado civil, es de hacerse la
pregunta ¿Cuál es la probabilidad que una madre unida de entre 18 a 24 años
fallezca?, siendo esta pregunta relacionada con los casos comunes de embarazos
y gestaciones durante la etapa en que la madre culmina el ciclo estudiantil
secundario y pasa a través de la universidad, pero con una unión amorosa
Por medio
del cálculo se llegó que:
Y
mediante el algoritmo de R:
>porc1 <-0.336
>proba1 <- 0.42
>prob <- funtion
(porc1, proba1) {
suma <-0.00
for (i in l: length (porc1)) {
suma <-suma + porc [i] + proba1 [i]
}
resta <- 0.00
probabilidad <- c()
for(i in l: length (porc1)){
resta <- porc1 [i] * proba1[i]/suma
probabilidad <- c (probabilidad. resta)}
return (probabilidad)
print(función(porc1.
Proba1)
[1] 0.31 = 31%
Donde se
interpreta el resultado 31% como un porcentaje probabilístico medianamente
posible, debido que no posee una cantidad muy importante la comparación al 48%
de la propuesta anterior, pero si pudiera hacer levantar algunas cejas de
padres jóvenes adultos, ya que existe un riego considerable a tomar en cuenta,
especialmente si es una pareja en unión.
Una
pregunta en relación con la unión de la tabla de zonas residenciales con el
estado civil es: ¿Cuál es la probabilidad que una madre unida en zona urbana
fallezca?, con una precepción que las madres unidas de zonas urbanas tienen
mayor libertad en la forma de información y sobre la prevención de los
problemas en la etapa de gestación que se agravan hasta dar con la muerte de la
madre.
Por medio
del cálculo se llegó que:
Y
mediante el algoritmo de R:
>porc2 <-0.42
>proba2 <- 0.857
>prob <- funtion
(porc2, proba2) {
suma <-0.00
for (i in l: length (porc2)) {
suma <-suma + porc2 [i] + proba2 [i]
}
resta <- 0.00
probabilidad <- c()
for(i in l: length
(porc1)){
resta <- porc2 [i] * proba2[i]/suma
probabilidad <- c (probabilidad. resta)}
return (probabilidad)
print(función(porc2.
Proba2)
[1] 0.43 = 43%
Resultado
que puede ser interpretado de una forma preocupante, debida a que, siendo casi
la mitad de los casos, es este sector de madres que han fallecido, dando como
ejemplo que la falta de preocupación de los padres en zonas urbanas ayuda en
parte a la propagación de muertes
Con una
aplicación similar a la sub-variables anterior, el problema ¿Cuál es la
probabilidad que una madre soltera en zona rural fallezca? Se plantea en base a
la búsqueda de confirmación si la creencia que las mujeres solteras en zonas
rurales tienen mayor posibilidad de morir antes o durante el parto.
Precisando
del cálculo matemático se obtuvo el resultado:
Y
mediante el algoritmo de R:
>porc3 <-0.42
>proba3 <- 0.143
>prob <- funtion
(porc3, proba3) {
suma <-0.00
for (i in l: length (porc3)) {
suma <-suma + porc3 [i] + proba3 [i]
}
resta <- 0.00
probabilidad <- c()
for(i in l: length
(porc1)){
resta <- porc3 [i] * proba3[i]/suma
probabilidad <- c (probabilidad. resta)}
return (probabilidad)
print(función(porc3.
Proba3)
[1] 0.26 = 26%
Se
evidencia que esta teoría popular no es exactamente correcta, debido al bajo
porcentaje de defunciones que se puede registrar, por lo que el estado civil de
soltera en zonas rurales no es una de las causas más comunes en casos de
complicaciones con resultados fatales. Pero no sería prudente tomar el bajo
porcentaje en consideración, debido a que sigue teniendo un cuarto de
probabilidad de ocurrencia
Para
concluir con las 2 variables escogidas, se hace el planteamiento: ¿Cuál es la
probabilidad que una madre casada en zona urbana fallezca?, en base al
resultado anterior obtenido, esto para contrastar la teoría planteada y ver si
la combinación de 2 variables es más predominante en los casos estudiados.
Mediante
el cálculo matemático se determinó que:
Y
mediante el algoritmo de R:
>porc4 <-0.29
>proba4 <- 0.143
>prob <- funtion
(porc3, proba3) {
suma <-0.00
for (i in l: length (porc3)) {
suma <-suma + porc3 [i] + proba3 [i]
}
resta <- 0.00
probabilidad <- c()
for(i in l: length
(porc1)){
resta <- porc3 [i] * proba3[i]/suma
probabilidad <- c (probabilidad. resta)}
return (probabilidad)
print(función(porc3.
Proba3)
[1] 0.37 = 37%
Dando
como resultado que es más probable la defunción de una madre si está casada que
una soltera, a diferencia de la creencia popular que esto es lo contrario, pero
se puede evidenciar en los datos probabilísticos obtenidos, siendo un llamado
de precaución para los padres en estas situaciones.
Conclusiones
En
conclusión, de pudo determinar los porcentajes existentes entre las edades,
estados civiles y zonas residenciales de madres fallecidas en el Ecuador en el
año 2016. Determinando que madres menores de edad entre 13 a 17 años, de estado
civil solteras las defunciones dan un porcentaje bajo del 0.52% a comparación
de las madres casadas con edades entre 25 a 31 años con un 48%, mostrando que
existe un mayor número de fallecimientos maternos en este segundo grupo,
indicando que las madres solteras menores de edad entre 13 a 17 años toma el
9.1% a diferencia de las madres adultas de 25 a 31 años, que toman un mayor
número de registros con él 33.27%.
Referencias Bibliográficas
[1]
Martínez V, Rosa V, Gonzales T, Cristóbal J, Vázquez T. Muertes fetales tardías
en la provincia de Cienfuegos (2016)
[2] María
J, Santander P, Alfonso F, Herrera H, Adrián S. Muerte fetal: caracterización
epidemiológica (2016)
[3]
Linares J, Poulsen R. Muerte Fetal In Útero: Etiología y factores asociados en
un Hospital Regional de Antofagasta, Chile (2007)
[4]
Alfonso F La Rosa. Complicaciones en recién nacido de madres adolescentes
tempranas en el Hospital Nacional Arzobispo Loayza de mayo del 2008 a mayo del
2012 (2012)
[5] Jay L
Devolve. Probabilidad y estadística para
ingenierías y ciencias séptimas edición. (2008)
[6]
Arteaga P., Batanero C, Cañadas G y Contreras J. Las Tablas y Gráficos
Estadísticos como Objetos Culturales (2010)
[7]
Carmen Batanero, Significados de la probabilidad en la educación secundaria
(2005).
[8] José
M. Muñoz Q. Introducción a la teoría de
conjuntos CUARTA EDICIÓN (2002)
[9]
Spinelli Hugo, Testa Mario (2005). Del Diagrama de Venn al Nudo Borromeo de la
Planificación en América Latina.
[10] Díaz
C, De la Fuente I, enseñanza del teorema de Bayes con apoyo tecnológico (2006)
[11] Luis
F, Restrepo B, Gonzales L (2003). Historia de la Probabilidad.
[12]
Antonio Verduzco M, Emilio A, Verónica Gómez T (2013). Análisis de probabilidad
condicional entre el acufeno y comorbilidades asociadas en pacientes que
acudieron al instituto nacional de rehabilitación – LGII en el periodo
(2012-2013).
[13]
Mirta, Gonzales L (2013). Bernoulli, De Moivre, Bayes, Price y los fundamentos
de la inferencia inductiva.
[14]
Landro, Alberto (2011). Acerca de la existencia del verdadero valor de una
probabilidad.
[15]
Emmanuel Paradis, R para Principiantes Institut des Sciences de l’Evolution ´
Universit Montpellier II F-34095 Montpellier cdex 05 France (2009)
[16] Cevallos-Torres, Lorenzo
& Botto-Tobar, Miguel (2019). Case Study: Logistical Behavior in the Use of
Urban Transport Using the Monte Carlo Simulation Method. 97-110.
[17]
Cevallos-Torres, Lorenzo & Botto-Tobar, Miguel (2019). Case Study:
Project-Based Learning to Evaluate Probability Distributions in Medical Area.
111-112.
[18]
Cevallos-Torres, Lorenzo & Botto Tobar, Miguel (2019). Case Study:
Probabilistic Estimates in the Application of Inventory Models of Perishable
Products in SMES. 123-132.
[19]
Cevallos-Torres, Lorenzo. Rodríguez, Guijarro-Rodríguez, Alfonso. José Mauricio
Alarcón Cáceres, Geomayra Stefanía Delgado Velóz, Mirella Katiuska Barrera
Rivera, Ronald Mauricio Alvarado Flores (2016). Análisis estadístico de
correlación entre las dosis de eritropoyetina y el nivel de hemoglobina en
pacientes con insuficiencia renal crónica. 19(1), 1-7.
[20]
Cevallos-Torres, Lorenzo, Salinas, C. P., Salinas, J. P., Alvares, A. V.,
Tamano, C. M., & Nuñez, E.V. (2018). Virtual Classrooms and their
use measured with a statistical technique: The case of the Technical University
of Ambato-Ecuador.
[1] Estudiante de Ingeniería en Sistemas Computacionales. Universidad de
Guayaquil, Ecuador. E-mail:
[email protected]
[2] Estudiante de
Ingeniería en Sistemas Computacionales. Universidad de Guayaquil, Ecuador. E-mail: [email protected]
3 Estudiante de Ingeniería en
Sistemas Computacionales. Universidad de Guayaquil, Ecuador. E-mail:
[email protected]
4 Estudiante de Ingeniería en Sistemas Computacionales. Universidad de Guayaquil, Ecuador. E-mail: [email protected]
5 Ing. en Estadística Informática, MSc. en Modelado Computacional en Ingeniería. Universidad de Guayaquil, Ecuador. E-mail: [email protected]
6 Ing. en Sistemas Computacionales, MSc. en Ingeniería de Software, Métodos Formales y Sistemas de Información. Universidad de Guayaquil, Ecuador. E-mail: [email protected]
Como citar: Carriel Espinoza, D., Paredes
Zambrano, R., Rendón Herrera, L., Choez Casierra, J., Cevallos-Torres, L.,
& Botto-Tobar, M. (2019). Teoría de decisión Bayesiana para encontrar
similitud de variables cualitativas y cuantitativas utilizada en las
defunciones maternales. Ecuadorian Science, 3(2), 1-7.
DOI: https://doi.org/10.26911/issn.2602-8077vol3iss2.2019pp1-7p.