Documentos de Académico
Documentos de Profesional
Documentos de Cultura
10.1. Introduccin
La mayora de las investigaciones realizadas en el mbito mdico-clnico, comportan estudios comparativos entre dos o ms muestras comparando, la mayora de ellos, el efecto producido por terapias o tratamientos. En este ltimo
caso, algunos estudios enmascaran el placebo de frmaco activo, aunque esta
prctica ha sido objeto de amplio debate por plantear dudas sobre su tica. La
finalidad de estas investigaciones es contestar preguntas tales como: es igual el
tratamiento A al tratamiento B? Cul es la efectividad del tratamiento? En estos
casos es cuando necesitamos evaluar si las diferencias que se obtienen a partir
de una muestra, se deben a factores distintos al azar y estn directamente relacionadas con la administracin de un tratamiento u otro.
Para conocer en qu se basan este tipo de estudios, deberemos introducir
conceptos como las pruebas de hiptesis y los errores asociados a ellas. Adems, veremos que esta probabilidad puede ser calculada a partir de pruebas
estadsticas paramtricas, en las que se supone la normalidad de los datos, y las
no paramtricas, usadas en condiciones no idneas de normalidad.
133
10-CAP 10
133
1/1/32, 00:42
134
10-CAP 10
134
1/1/32, 00:42
0
a
Por tanto, aceptaremos la hiptesis nula, si las diferencias obtenidas experimentalmente se deben slo al azar; mientras que la rechazaremos y aceptaremos la hiptesis alternativa, si consideramos que las diferencias obtenidas no se
deben nicamente al azar, si no que la administracin de un tratamiento u otro
ha provocado respuestas sensiblemente distintas entre ellos. Segn sean los estadsticos que se desean contrastar, la expresin de la hiptesis nula toma diver135
10-CAP 10
135
1/1/32, 00:42
=
1
=0
p1 = p2
p1 p2 = 0
p1 = p
p1 p = 0
=0
Los ejemplos que hemos puesto al inicio del captulo, referentes a las preguntas Es igual el tratamiento A al tratamiento B? Cul es la efectividad del tratamiento? Aparecen a continuacin en formato de contraste de hiptesis:
{ HH ::
0
B
B
(Igualdad de tratamientos)
(Diferencia de tratamientos)
H0 :
Ha :
tambin
Aunque estos conceptos parecen muy tericos, en realidad son muy intuitivos.
Las pruebas de hiptesis son formulaciones de lo que queremos contrastar y, en
base a resultados probabilsticos (asociados a la popularmente conocida p o
p-value), aceptaremos la hiptesis nula o la rechazaremos. Puesto que trabajamos con muestras y no con la poblacin entera, debemos asumir que podremos cometer un cierto error en nuestras decisiones. Estos errores asociados a
la aceptacin y rechazo de la hiptesis nula son los errores alfa y beta.
10-CAP 10
136
1/1/32, 00:42
nula H0 siendo falsa. Es decir, existe una diferencia real entre tratamientos
pero no se ha podido rechazar la hiptesis nula.
Como lo que ocurre en la realidad es desconocido, lo nico que podemos
acotar es la probabilidad de equivocarnos. La siguiente tabla muestra los errores
alfa y beta en funcin del resultado de la prueba y lo que realmente ocurre en la
realidad.
Realidad
Decisin
H0 verdadera
H0 falsa
Aceptamos H0
Sin error
Rechazamos H0
Sin error
El error alfa debe ser fijado a priori por los responsables del estudio, puesto
que es el que marca el nivel de rechazo de la hiptesis nula. Este valor se sita
generalmente en 0,05 y es el valor con el que compararemos nuestra p, obtenida mediante el estadstico de contraste adecuado a nuestros objetivos. Avanzndonos un poco ms en las pruebas de hiptesis, cuando hablamos de una
p, p-value o nivel de significacin con un valor cercano a cero, estamos
indicando que la prueba realizada (t de Student, Prueba F, prueba Z) supera el
umbral probabilstico previamente fijado de 0,05 como tope mnimo para considerar la igualdad entre los parmetros. Como hemos dicho, el nivel de significacin lo marcamos nosotros de manera que, cuanto mayor sea, ms fcil ser
aceptar la hiptesis alternativa cuando en realidad es falsa.
Si al valor se le llama tambin grado de significacin estadstica, a su complementario (1-alfa) se le llama nivel de confianza, o probabilidad de que las
diferencias que se detecten no se deban al azar. Por convenio, suele utilizarse un
valor de 0,05, lo que significa que 5 de cada 100 veces detectaramos diferencias
entre tratamientos cuando realmente seran iguales, aunque tambin es usual un
valor de 0,01.
Teniendo en cuenta que en la gran mayora de los casos el nivel alfa se fija a
0,05 en un contraste de hiptesis aceptaremos una hiptesis o la otra segn la
siguiente regla de decisin:
137
10-CAP 10
137
1/1/32, 00:42
10-CAP 10
138
1/1/32, 00:42
10-CAP 10
139
1/1/32, 00:42
Contrastes unilaterales
Valores de Z
0.90
Entre - y 1.28
0.90
0.95
Entre - y 1.645
0.95
0.99
Entre - y 2.33
0.99
10-CAP 10
140
1/1/32, 00:42
mos p-valor, por lo que si el valor de nuestro estadstico est muy lejano a los
valores normales de la distribucin, dejar un rea muy grande bajo la curva y una
probabilidad muy pequea de obtener valores mayores a l.
La mayora de los paquetes estadsticos tienen incorporados los clculos
necesarios para los estadsticos adecuados y nos ofrecen su p-valor asociado;
sin embargo, a continuacin se muestra una pequea introduccin a los estadsticos que se necesitaran para poder los contrastes de hiptesis ms importantes. Dicha informacin nos permitir entender un poco ms el objetivo de los
contrastes de hiptesis.
o Contrastes sobre la media.
A partir de una muestra extrada de una poblacin X normal con media
y varianza 2 desconocidas, se desea contrastar la hiptesis nula H0: = 0.
El estadstico de contraste es d1, S es la desviacin tpica muestral corregida
y x es un estimador de la media poblacional . Si H0 es cierta, el estadstico
d1 sigue una distribucin t de Student con n-1 grados de libertad.
d1 = X ^
S
n,
d2 = (n 2 1) S
d3 = S^x
S2y
X-Y
^2
ST
1 1
n +m
141
10-CAP 10
141
1/1/32, 00:42
siendo
^2
^2
ST =
^2
(n-1) Sx +(m-1)Sy
n+m-2
d5 =
X-Y
^2
^2
Sx Sy
n +m
d6 = Z
^
SZ
n.
10-CAP 10
142
1/1/32, 00:42
estadstico SPSS. En este apartado hemos preferido elegir dos ejemplos que
ilustren la forma manual de clculo, sin recurrir al paquete estadstico, con el
objetivo de conceptualizar mejor el contraste de hiptesis.
10.2.7.1. Estimacin por intervalo de una proporcin
Imaginemos que deseamos estimar la prevalencia del tabaquismo en los pacientes hospitalarios. Para ello, se revisan las historias clnicas de 150 pacientes,
observando que 45 eran fumadores. Cul es la prevalencia del tabaquismo?.
La proporcin de pacientes fumadores es p = 45 /150 = 0,3 (30%), por lo
que la proporcin de pacientes no fumadores es q = 1- p = 1- 0,3 = 0,7 (70%).
Si decimos que la prevalencia del tabaquismo es del 30%, estamos incurriendo en el error de no proporcionar el intervalo de confianza correspondiente a
esa proporcin y que nos indicar el rango de valores reales que puede adoptar
nuestra prevalencia. Una prevalencia del 30% puede obtenerse de una muestra
de 30 casos o de un estudio poblacional con miles de pacientes. Cuanto mayor
sea el tamao muestral, mayor ser la precisin de nuestra la estimacin y esto
se refleja con el intervalo de confianza, que ser menor. Para obtener el intervalo de confianza para proporciones, deberemos aplicar la siguiente frmula:
IC (p) = p Z
/2
p q
n
10-CAP 10
143
1/1/32, 00:42
hipertensin arterial, suponiendo que existen diferencias entre ellos pero sin
conocer el sentido de stas. De esta forma, se plantea el siguiente contraste de
hiptesis:
H0 : A = B
Ha : A B
Para seguir una consistencia en todos los ejemplos, fijaremos el nivel de
error alfa en 0,05. En el tratamiento A tenemos una muestra de pacientes (nA=15)
en los que se ha observado una reduccin media de las cifras de TAS de xA=18
mmHg con una desviacin estndar (sA) de 2,3; mientras que con el tratamiento
B, se ha obtenido una muestra de 20 pacientes (nB=20) que han disminuido en
promedio xB=15,25 mmHg de la TAS con una desviacin (sB) de 1,92
En primer lugar, calcularemos el estadstico de referencia, que corresponder a una t de Student con (nA-1) + (nB-1) grados de libertad, es decir t ~ t33. La
frmula a aplicar aparece a continuacin:
144
10-CAP 10
144
1/1/32, 00:42
10-CAP 10
145
1/1/32, 00:42
muy til y su enfoque es bastante claro. Entre ellas destacan la prueba ChiCuadrado (x2) y otras pruebas para evaluar diferencias de medias para variables
que no siguen la ley normal.
Una limitacin que tienen estas pruebas es que no son aplicables a casos en
los que se desean manejar muchas variables al mismo tiempo, para estos casos,
s se requerira una prueba paramtrica. Lo que s se requiere y en general es el
supuesto que se debe cumplir en la mayora de las pruebas no paramtricas para
confiar en ellas, es que la muestra haya sido seleccionada en forma probabilstica.
Cuando se aplican pruebas no paramtricas las medidas resumen que se utilizan
suelen ser la mediana y los cuartiles.
Las pruebas que se mencionarn en los siguientes captulos son las que se
podran necesitar con mayor frecuencia, se mencionarn sus principales caractersticas y aplicaciones, adems de la prueba paramtrica a la que podran sustituir.Toda prueba no paramtrica tiene una equivalente paramtrica, no siendo al
contrario, del todo cierto.
10-CAP 10
146
1/1/32, 00:42
10-CAP 10
147
1/1/32, 00:42
148
10-CAP 10
148
1/1/32, 00:42