Test Exacto de Fisher

El contraste de homogeneidad mediante la prueba Chi-Cuadrado entre dos

variables cualitativas (o tambin llamado contraste de independencia entre dos
variables cualitativas) se basa en la comparacin de las frecuencias obtenidas con las
frecuencias esperadas.
La prueba exacta de Fisher est basada en la distribucin exacta de los
datos y no en aproximaciones asintticas, y presupone que los marginales de la tabla
de contingencia estn fijos.
En general, cuando las frecuencias absolutas esperadas, en la gran mayora
de casillas o celdas son relativamente grandes (ms de 5), se utiliza el estadstico Chi-
Cuadrado para realizar el contraste mencionado.
Cuando en un 20% de las casillas el valor esperado no es superior a 5, el
estadstico anterior no es vlido y generalmente se utiliza la prueba exacta de
Fisher.
Habitualmente, la prueba exacta de Fisher es ms conservadora que la prueba
Chi-Cuadrado.
La prueba exacta de Fisher se aplica a variables dicotmicas
A continuacin, se construyen todas las tablas de
contingencia 2x2 posibles con celdas a, b, c, d, siendo
0 < a < mn{c1 , f1}, b = f1 a, c = c1 a y d = f2 c.
A partir de dichas tablas se calcula:

ea a
a
p
'
'
Donde X! indica el factorial de X que
se calcula como x(x-1)(x-2)21,
por ejemplo, 5!=54321=120.
Test Exacto de Fisher
Para calcular el estadstico de contraste, se construye en primer lugar la tabla de
contingencia de dimensiones 2x2 con las frecuencias absolutas observadas, con la
notacin siguiente:
B + -
A
+ a b f
1
- c d f
2
c
1
c
2
n
El p-valor unilateral-izquierda es =
el p-valor unilateral-derecha es =
! ' ! ' ! ' ! ' !
! ! ! !
2 1 2 1
'
d c b a n
c c f f
p
a
!

ua a
a
p
'
'
y el p-valor bilateral resultante es:

e
a a
p p
a
p
'
'
1720 , 0
! 18 ! 19 ! 4 ! 1 ! 42
! 22 ! 20 ! 37 ! 5
'
1
! !
a
p
0310 , 0
! 21 ! 16 ! 1 ! 0 ! 42
! 22 ! 20 ! 37 ! 5
'
0
! !
a
p
Ejemplo: A partir de la tabla
F1 F2
C1 4 1 5
C2 16 21 37
20 22 42
Calcular el valor p correspondiente al Test de Fisher:
1 Calculamos la tabla para a=0
entonces
2 Calculamos la tabla para a=1
entonces
F1 F2
C1 0 5 5
C2 20 17 37
20 22 42
F1 F2
C1 1 4 5
C2 19 18 37
20 22 42
3096 , 0
! 20 ! 17 ! 2 ! 3 ! 42
! 22 ! 20 ! 37 ! 5
'
3
! !
a
p
3440 , 0
! 19 ! 18 ! 3 ! 2 ! 42
! 22 ! 20 ! 37 ! 5
'
2
! !
a
p
3 Calculamos la tabla para a=2
entonces
4 Calculamos la tabla para a=3
Entonces
Para a=4 p
a4
=0,1253
Para a=5 p
a5
=0,0182
F1 F2
C1 2 3 5
C2 18 19 37
20 22 42
F1 F2
C1 3 2 5
C2 17 20 37
20 22 42
9818 , 0 1253 , 0 3096 , 0 3440 , 0 1720 , 0 0310 , 0
'
'
! !

ea a
a
p
a Pa
0 0.0310
1 0.1720
2 0.3440
3 0.3096
4 0.1253
5 0.0182
Los valores de P para cada a
1745 , 0 0310 , 0 0182 , 0 1253 , 0
'
'
! !

e
a a
p p
a
p
El valor p unil-izq.es:
El valor p bilateral es
1435 , 0 0182 , 0 1253 , 0
'
'
! !

ua a
a
p
El valor p unil-der.es:
Coeficiente de contingencia
Una forma de cuantificar el grado de asociacin entre dos variables
es calcular los coeficientes de asociacin, particularmente aprenderemos el
coeficiente de contingencia.
Es un valor que se encuentra entre cero y uno ,donde la cercana a
cero indica independencia entre las variables.
Matemticamente el coeficiente de contingencia se define por :
K
C

!
2
2
G
G
Donde k es la cantidad de celdas de la tabla de contingencia y

!

!
m
i
i
i i
e
e o
1
2
2
) (
G
m = el nmero de filas por columnas
o
i
= frecuencia absoluta observada en la celda i,
e
i
= frecuencia absoluta esperada en la celda i ,si es que las variables fueran
independientes.
Ejemplo:
En el caso de los fumadores en la tabla siguiente
Mujeres Hombres
Fumadores 65 (58) 80 (87)
No Fumadores 35 (42) 70 (63)
Los valores que aparecen sin parntesis son las frecuencias
absolutas observadas y los que aparecen con parntesis son las frecuencias
absolutas esperadas, segn estos valores el coeficiente de contingencia es:
675 , 0
4 35 , 3
35 , 3
!

! C
ya que
35 , 3
63
) 63 70 (
87
) 87 80 (
42
) 42 35 (
58
) 58 65 (
2 2 2 2
2
!

! G
Este valor del coeficiente de contingencia refleja que existe cierto grado de
asociacin entre las variables, es decir que fumar depende del sexo de los
individuos. ( El porcentaje de fumadores en el grupo del mujeres es mayor )
Prueba Test de Mc Nemar
Prueba no paramtrica para dos variables dicotmicas
relacionadas.
Contrasta los cambios en las respuestas utilizando la distribucin
de chi-cuadrado.
Es til para detectar cambios en las respuestas debidas a la
intervencin experimental en los diseos del tipo "antes-despus o para
comparar dos tipos de tratamiento.
Tpicamente, un valor de significacin menor que 0,05 se
considera significativo, pero podemos establecer un nivel de significacin
distinto (0,01; 0,1.)
Matemticamente el Estadstico de Mc Nemar se define por :
c b
c b
MN

!
2
2
) 1 (
G
En una tabla de contingencia:
B + -
A
+ a b
- c d
Nota: Para el valor p, se utiliza la Tabla de con 1 grado de libertad
2
G
Ejemplo 1
Se ejecut la intervencin educativa Salud bucal para modificar los
conocimientos sobre higiene bucal en alumnos de tercer grado durante el
primer semestre de 1998.
La tabla muestra los resultados obtenidos en conocimientos generales:
Despues Inadecuado Adecuado
Antes
Inadecuado 14 102
Adecuado 0 7
85
120
10201
0 120
) 1 0 102 ( ) 1 (
2 2
2
! !

!
c b
c b
MN
G
001 , 0 83 , 10 85
2
" ! p
MN
G
Ejemplo 2
En la tabla se muestra el Grado de variacin de las respuestas subjetivas de dolor
en el raquis entre test previo y test posterior a una intervencin en grupos
experimentales de primaria y secundaria
GRUPOS EXPERIMENTALES CONTRASTE DE ASOCIACIN DE
RESPUESTAS
TEST PREVIO
No dolor Si dolor TOTALES
TEST No dolor 4 0 4
POSTERIOR Si dolor 5 14 19
Totales 9 14 23
2 , 3
5
16
5 0
) 1 5 0 ( ) 1 (
2 2
2
! !

!
c b
c b
MN
G
05 , 0 84 , 3 2 , 3
2
" ! p
MN
G
Ejemplo 2
En la tabla se muestra el Grado de variacin de las respuestas subjetivas de dolor
en el raquis entre test previo y test posterior a una intervencin en grupos
experimentales de Bachillerato
GRUPOS EXPERIMENTALES CONTRASTE DE ASOCIACIN DE
RESPUESTAS
TEST PREVIO
No dolor Si dolor TOTALES
TEST No dolor 13 2 15
POSTERIOR Si dolor 10 9 19
Totales 23 11 34
08 , 4
12
49
10 2
) 1 10 2 ( ) 1 (
2 2
2
! !

!
c b
c b
MN
G
05 , 0 84 , 3 08 , 4
2
" ! p
MN
G
Se denomina riesgo a la probabilidad de ocurrencia de un
evento, tpicamente enfermar, aunque tambin morir, curar, etc.(en la
terminologa anglosajona se usan los trminos risk y hazard, este
ltimo especialmente si el evento es morir).
Se define el riesgo como la probabilidad de que un individuo,
libre de enfermedad y susceptible de ella, la desarrolle en un periodo
determinado, condicionada a que el individuo no muera a causa de otra
enfermedad durante el periodo.
Se usa el cociente entre el riesgo en el grupo con el factor y
el riesgo en el grupo de referencia como ndice de asociacin y se
denomina riesgo relativo (RR) o razn de proporciones.
RIESGO
En la tabla se representan esquemticamente los resultados de un
estudio que permita evaluar el RR, en la columna NR figuran los eventos
(casos o enfermos: a) y los no casos o controles (c) en la categora
que no tiene el factor de Riesgo y en la columna R los de la categora
que s tiene el factor.
NR R
Casos a b f
0
No casos c d f
1
Total C
0
C
1
0
1
0
1

c
a
c
b
R
R
R R ! !
A partir de la tabla
Caractersticas
no tiene dimensiones
rango de 0 a
RR=1 no hay asociacin entre la presencia del factor y el evento.
RR >1 la asociacin es positiva, es decir si la presencia del factor se
asocia a mayor ocurrencia del evento
RR<1 la asociacin es negativa.
Ejemplo
Y a partir de la tabla:
73 , 0
138 , 0
101 , 0
3054 420
3051 307

0
1
0
1
! ! ! ! !
c
a
c
b
Placebo Tratamiento
Casos 420 307
No casos 2634 2744
Total 3054 3051
0
1
0
1

c
a
c
b
! !
Existe otra manera, proveniente del mundo del juego, de representar
la probabilidad de ocurrencia de un evento y es mediante el cociente entre la
probabilidad de que ocurra el evento y la probabilidad de que no ocurra.
Este cociente, que en ingls se denomina odds y para el que no hay
una traduccin espaola comnmente aceptada, indica cuanto ms probable
es la ocurrencia del evento que su no ocurrencia.
El odds ratio (OR) o razn de ventajas es el cociente entre el odds
en el grupo con el factor y el odds en el grupo sin el factor.
OR
NR R
Casos a b
No casos c d
Total C
0
C
1
El OR se calcula
d a
c b
c
c
c
a
c
d
c
b
R
R
R
R
ds d o
ds d o
R O
v
v
! !

! !
0
0
1
1
0
0
1
1
0
1

Caractersticas
no tiene dimensiones
rango de 0 a .
OR=1 si no hay asociacin entre la presencia del factor y el evento
OR>1 si la asociacin es positiva, es decir si la presencia del factor se
asocia a mayor ocurrencia del evento y OR<1 si la asociacin es negativa.
Ejemplo
El OR se calcula:
70 , 0
2744 420
2634 307

!
v
v
!
v
v
!
d a
c b
R O
Placebo Tratamiento
Casos 420 307
No casos 2634 2744
Total 3054 3051