CAPITULO 7 ROSSNER - En.es - Compressed

Traducido del inglés al español - www.onlinedoctranslator.
com
Evaluación de la hipótesis:
Inferencia de una muestra 7
7.1Introducción
El capítulo 6 analizó los métodos de estimación puntual y de intervalo
para parámetros de diversas distribuciones. Sin embargo, los
investigadores suelen tener ideas preconcebidas sobre cuáles podrían ser
los valores de estos parámetros y desean probar si los datos se ajustan a
estas ideas.
Ejemplo 7.1 Enfermedad Cardiovascular, PediatríaUn área actual de interés de investigación es la agregación
familiar de factores de riesgo cardiovascular en general y de los niveles de lípidos en particular.
Supongamos que el nivel de colesterol “promedio” en los niños es de 175 mg/dL. Se identifica un
grupo de hombres que han muerto a causa de una enfermedad cardíaca durante el último año y se
miden los niveles de colesterol de sus hijos. Se barajan dos hipótesis:
(1)El nivel promedio de colesterol de estos niños es de 175 mg/dL.

(2)El nivel promedio de colesterol de estos niños es >175 mg/dL.
Este tipo de pregunta se formula en un marco de prueba de hipótesis especificando

dos hipótesis: una hipótesis nula y otra alternativa. Deseamos comparar las
probabilidades relativas de obtener los datos muestrales bajo cada una de estas
hipótesis. En el ejemplo 7.1, la hipótesis nula es que el nivel promedio de colesterol de
los niños es 175 mg/dL y la hipótesis alternativa es que el nivel promedio de colesterol
de los niños es >175 mg/dL.
¿Por qué es tan importante la prueba de hipótesis? La prueba de hipótesis proporciona un marco
objetivo para tomar decisiones utilizando métodos probabilísticos, en lugar de depender de impresiones
subjetivas. Las personas pueden formarse opiniones diferentes al observar los datos, pero una prueba de
hipótesis proporciona un criterio uniforme para la toma de decisiones que es consistente para todas las
personas.
En este capítulo, se desarrollan y aplican algunos de los conceptos básicos de la prueba
de hipótesis a problemas de inferencia estadística de una muestra. en unproblema de una
muestra, se especifican hipótesis sobre una única distribución; en unproblema de dos
muestras, se comparan dos distribuciones diferentes.
7.2General conceptos
Ejemplo 7.2 ObstetriciaSupongamos que queremos probar la hipótesis de que las madres con un nivel
socioeconómico (NSE) bajo dan a luz bebés cuyo peso al nacer es inferior al "normal". Para
probar esta hipótesis, se obtiene una lista de pesos al nacer de 100 años consecutivos,
211
Copyright 2016 Cengage Aprendizaje. Reservados todos los derechos. No se puede copiar, escanear ni duplicar, total o parcialmente. Debido a los derechos electrónicos, es posible que algunos contenidos de terceros se supriman del libro electrónico y/o de los capítulos electrónicos. La revisión editorial ha considerado que
cualquier contenido suprimido no afecta materialmente la experiencia de aprendizaje general. Cengage Learning se reserva el derecho de eliminar contenido adicional en cualquier momento si restricciones de derechos posteriores así lo requieren.
212 CAPÍTULO 7 Prueba de hipótesis: inferencia de una muestra
partos nacidos vivos a término en la sala de maternidad de un hospital en una zona de bajo
nivel socioeconómico. El peso medio al nacer (X) resulta ser 115 oz con una desviación
estándar de muestra (s) de 24 onzas. Supongamos que sabemos por encuestas nacionales
basadas en millones de partos que el peso medio al nacer en los Estados Unidos es 120 oz.
¿Podemos realmente decir que el peso medio subyacente al nacer en este hospital es inferior
al promedio nacional?
Suponga que los 100 pesos al nacer de este hospital provienen de una distribución
normal subyacente con media desconocidaµ.Los métodos de la Sección 6.10 podrían
usarse para construir un intervalo de confianza (IC) unilateral 95% más bajo paraµ
basado en los datos de muestra, es decir, un intervalo de la formam <C. Si este intervalo
contiene 120 oz (es decir, C≥120), entonces se aceptaría la hipótesis de que el peso
medio al nacer en este hospital es igual al promedio nacional. Si el intervalo no contiene
120 oz (C<120), entonces se aceptaría la hipótesis de que el peso medio al nacer en este
hospital es inferior al promedio nacional.
Otra forma de abordar este problema es en términos de prueba de hipótesis. En
particular, las hipótesis consideradas pueden formularse en términos de hipótesis nula y
alternativa, que pueden definirse de la siguiente manera:
DEFINICIÓN 7.1 Elhipótesis nula,denotado porh,es la hipótesis

0
que se va a probar. La hipótesis
alternativa, denotada porh,es la hipótesis
1
que en algún sentido contradice la hipótesis
nula.
Ejemplo 7.3 ObstetriciaEn el ejemplo 7.2, la hipótesis nula (h)es que

0
el peso medio al nacer en el
hospital del área de NSE bajo (µ)es igual al peso medio al nacer en los Estados Unidos
(μ).Esta
0
es la hipótesis que queremos probar. La hipótesis alternativa (h)es que 1el peso
medio al nacer en este hospital (µ)es inferior al peso medio al nacer en Estados Unidos (
µ).Queremos comparar
0
las probabilidades relativas de obtener los datos muestrales
bajo cada una de estas dos hipótesis.
También asumimos que la distribución subyacente es normal bajo cualquiera de las hipótesis.
Estas hipótesis se pueden escribir de manera más sucinta de la siguiente forma:
Ecuación 7.1 h0:m = m0 vs. h1:µ < µ0
Supongamos que las únicas decisiones posibles son sih 0

es verdad oh 1 es verdad. En realidad, por
Para facilitar la notación, todos los resultados en una situación de prueba de hipótesis generalmente se
refieren a la hipótesis nula. Por lo tanto, si decidimosh 0 es cierto, entonces decimos que aceptamosh.Si nosotros
0
decidirh 1
es cierto, entonces afirmamos queh 0
no es cierto o, equivalentemente, que rechazamosh0.
Por lo tanto, pueden ocurrir cuatro resultados posibles:
(1) Aceptamosh,yh0 0
es de hecho cierto.
(2) Aceptamosh,yh0 1
es de hecho cierto.
(3) Rechazamosh0,yhes de0hecho cierto.

(4) Rechazamosh0,yhes de1hecho cierto.
Estas cuatro posibilidades se muestran en la Tabla 7.1.

En la práctica real, es imposible, utilizando métodos de prueba de hipótesis,demostrar
que la hipótesis nula es cierta. Así, en particular, siaceptar H,entonces en realidad
0
tenemosno
pudo rechazar H. 0
7.2 Conceptos generales 213
TABLA 7. 1 Cuatro posibles resultados en la prueba de hipótesis
Verdad
h0 h1
h 1 es verdad h 1 es verdad
Aceptarh 0
h 0 es aceptado h 0 es aceptado
Decisión
h 0 es verdad h 1 es verdad
Rechazarh 0
h 0 se rechaza h 0 se rechaza
Sihes
0
verdad yhes aceptado,
0
o sihes verdad
1
yhes rechazada,
0
entonces se ha tomado la
decisión correcta. Sihes verdad
0
y hes rechazado,
0
o si hes verdad y1
h es aceptado, entonces
0
un
errorfue hecho. Los dos tipos de errores generalmente se tratan de manera diferente.
DEFINICIÓN 7.2 La probabilidad de unerror tipo Ies la probabilidad de rechazar la hipótesis nula cuando
hes verdad.
0
DEFINICIÓN 7.3 La probabilidad de unerror tipo IIes la probabilidad de aceptar la hipótesis nula cuando
hes verdad.
1
Esta probabilidad es función deµasí como otros factores.
Ejemplo 7.4 ObstetriciaEn el contexto de los datos sobre el peso al nacer del ejemplo 7.2, un error de tipo
I sería la probabilidad de decidir que el peso medio al nacer en el hospital fue inferior a 120
oz cuando en realidad era 120 oz. Un error de tipo II sería la probabilidad de decidir que el
peso medio al nacer fue de 120 oz cuando en realidad fue inferior a 120 oz.
Ejemplo 7.5 Enfermedad Cardiovascular, Pediatría¿Cuáles son los errores de tipo I y tipo II para los datos
de colesterol del ejemplo 7.1?
Solución:El error tipo I es la probabilidad de decidir que los hijos de hombres que murieron por una
enfermedad cardíaca tienen un nivel promedio de colesterol superior a 175 mg/dL cuando en
realidad su nivel promedio de colesterol es 175 mg/dL. El error tipo II es la probabilidad de decidir
que la descendencia tiene niveles de colesterol normales cuando en realidad sus niveles de
colesterol están por encima de la media.
Los errores de tipo I y II a menudo resultan en costos monetarios y no monetarios.
Ejemplo 7.6 ObstetriciaLos datos sobre el peso al nacer del ejemplo 7.2 podrían usarse para decidir si en este
hospital se necesita una sala de cuidados especiales para bebés con bajo peso al nacer. Sih Si fuera1
cierto, es decir, si el peso al nacer en este hospital tendiera a ser inferior al promedio nacional,
entonces podría justificarse que el hospital tuviera su propia sala de cuidados especiales. Sihfueran
ciertas y el peso0 medio al nacer no fuera diferente del promedio de EE. UU., entonces el hospital
probablemente no necesite dicha guardería. Si se comete un error de tipo I, se recomendará una
guardería de cuidados especiales, con todos los costes extra que conlleva, cuando en realidad no es
necesaria. Si se comete un error de tipo II, no se financiará una guardería de cuidados especiales,
cuando en realidad es necesaria. El costo no monetario de esta decisión es que algunos bebés con
bajo peso al nacer tal vez no sobrevivan sin el equipo exclusivo que se encuentra en una guardería
de cuidados especiales.
DEFINICIÓN 7.4 La probabilidad de unerror tipo Igeneralmente se denota por α y comúnmente se conoce
comoNivel significativode una prueba.
DEFINICIÓN 7.5 La probabilidad de unerror tipo IIgeneralmente se denota por β.
DEFINICIÓN 7.6 La potencia de una prueba se define como
1 − β = 1 − probabilidad de error tipo II =pr(rechazandoH |H 0 1

verdadero)
Ejemplo 7.7 ReumatologíaSupongamos que se va a probar un nuevo fármaco para aliviar el dolor en pacientes
con osteoartritis (OA). La medida del alivio del dolor será el cambio porcentual en el nivel de dolor
informado por el paciente después de tomar el medicamento durante 1 mes. Cincuenta pacientes
con OA participarán en el estudio. ¿Qué hipótesis se van a probar? ¿Qué significan el error tipo I, el
error tipo II y la potencia en esta situación?
Solución:Las hipótesis a probar sonh0:m =0vs.h1:µ >0, dóndem =disminución media del nivel
de dolor medido mediante una escala de alivio del dolor durante un período de 1 mes. Se
supone que un valor positivo paraµindica una mejora, mientras que un valor negativo indica
una disminución.
Un error de tipo I es la probabilidad de decidir que el fármaco es un analgésico eficaz basándose en
datos de 50 pacientes, dado que el verdadero estado de naturaleza es que el fármaco no tiene ningún
efecto sobre el alivio del dolor. La verdadestado de naturalezaaquí se refiere al efecto del fármaco cuando
se prueba en un número grande (infinito) de pacientes.
Un error de tipo II es la probabilidad de decidir que el fármaco no tiene ningún efecto sobre el alivio
del dolor basándose en datos de 50 pacientes, dado que el verdadero estado de naturaleza es que el
fármaco es un analgésico eficaz.
El poder de la prueba es la probabilidad de decidir que el fármaco es eficaz como
analgésico basándose en datos de 50 pacientes cuando el verdadero estado de naturaleza es
que es eficaz. Es importante señalar que la potencia no es un número único, sino que
depende del verdadero grado de alivio del dolor que ofrece el fármaco, medido por el cambio
medio real en la puntuación de alivio del dolor (δ). Cuanto mayor sea δ, mayor será la
potencia. En la Sección 7.6 presentamos métodos para calcular la potencia con más detalle.
El objetivo general de la prueba de hipótesis es utilizar pruebas estadísticas que hagan que α y β sean
lo más pequeños posible. Este objetivo requiere un compromiso porque hacer que α sea pequeño implica
rechazar la hipótesis nula con menos frecuencia, mientras que hacer que β sea pequeño implica aceptar la
hipótesis nula con menos frecuencia. Estas acciones son contradictorias; es decir, a medida que α
disminuye, baumenta, y a medida que α aumenta, β disminuye. Nuestra estrategia general es fijar α en
algún nivel específico (por ejemplo, 0,10, 0,05, 0,01,...) y utilizar la prueba que minimiza β o, de manera
equivalente, maximiza la potencia.
7.3en E - muestra E t E stforth E d I str I pero I m E anofanormala lt E rn at I

en : en E - s I d E d vEs
Ahora desarrollemos la prueba de hipótesis adecuada para los datos de peso al nacer
del ejemplo 7.2. El modelo estadístico en este caso es que los pesos al nacer provienen
de una distribución normal con mediaµy varianza desconocida σ2. deseamos probar
7.3 Prueba de una muestra para la media de una distribución normal: alternativas unilaterales 215
la hipótesis nula,h,esom =120

0
oz versus la hipótesis alternativa,h,eso µ<120 onzas1
Supongamos una alternativa más específica, a saberh1:m = m1= 110oz, está
seleccionado. Demostraremos que la naturaleza de la mejor prueba no depende del
valor elegido 1paraµsiempre queµes
1
menos de 120 oz. También fijaremos el nivel α en
0,05 para mayor concreción.
Ejemplo 7.8 Se podría utilizar una prueba muy sencilla consultando la tabla de dígitos aleatorios del
Cuadro 4 del Apéndice. Supongamos que se seleccionan dos dígitos de esta tabla. La
hipótesis nula se rechaza si estos dos dígitos están entre 00 y 04 inclusive y se acepta si estos
dos dígitos están entre 05 y 99. Claramente, de las propiedades del método aleatorio
tabla numérica, el error tipo I de esta prueba = α =pr(rechazando la hipótesis nula |
5
hverdadero) =pr(dibujando dos dígitos al azar entre 00 y 04) = = .05. Así el
0
00
La prueba propuesta satisface el criterio de nivel α dado anteriormente. El problema con esto
La prueba es que tiene muy poca potencia. De hecho, el poder de la prueba =pr(rechazando la nulidad
5
hipótesis|hverdadero) =pr(dibujando dos dígitos al azar entre 00 y 04) = = .05.
1
00
Tenga en cuenta que el resultado de la prueba no tiene nada que ver con las muestras de peso al
nacer extraídas.hserá rechazado
0
con la misma frecuencia cuando el peso medio al nacer de la muestra (X)
es de 110 oz como cuando es de 120 oz. Por lo tanto, esta prueba debe ser muy pobre porque
esperaríamos rechazar0hcasi con certeza siXes lo suficientemente pequeño y esperaría no rechazar nuncah
siXes lo suficientemente
0
grande.
Se puede demostrar que la mejor prueba (la más poderosa) en esta situación se basa en la
media muestral (X). SiXes suficientemente menor quem ,entoncesh 0de lo contrario,
0
sehrechaza;
es aceptado.
otros-
Esta prueba0 es razonable porque sih valores probables deXtienden a agruparse
0
alrededorm
es cierto, , más
entonces lo
mientras que sih 0 1
es cierto, lo mas probable
valores deXtienden a agruparse alrededorµ.Por
1
"más poderosa" queremos decir que la prueba
basada en la media muestral tiene la potencia más alta entre todas las pruebas con un error tipo I
dado de α.
DEFINICIÓN 7.7 Elregión de aceptaciónes el rango de valores deXpara cualhes aceptado.

0
DEFINICIÓN 7.8 Elregión de rechazoes el rango de valores deXpara cualhse rechaza.

0
Para los datos de peso al nacer del ejemplo 7.2, la región de rechazo consta de pequeños
valores deXporque la media subyacente bajo la hipótesis alternativa (µ)es menor que1la
media subyacente según la hipótesis nula. Este tipo de prueba se llama uno-prueba de cola.
DEFINICIÓN 7.9 Aprueba de una colaes una prueba en la que los valores del parámetro que se está
estudiando (en este casoµ)bajo la hipótesis alternativa se permite que sean mayores o
menores que los valores del parámetro bajo la hipótesis nula (µ),pero0 no ambos.
Ejemplo 7.9 Enfermedad Cardiovascular, PediatríaLas hipótesis para los datos de colesterol del ejemplo 7.1 sonh
0:m = m0vs.h1:µ > µ0, dóndeµes el verdadero nivel medio de colesterol para los hijos de hombres
que han muerto a causa de una enfermedad cardíaca. Esta prueba es de una cola porque solo se
permite que la media alternativa sea mayor que la media nula.
En el ejemplo del peso al nacer, ¿qué tan pequeño debe ser?Xser parah 0
ser rechazado? Este
La cuestión puede resolverse recordando que el nivel de significancia de la prueba se fija en α.
Suponer0hse rechaza para todos los valores deX<cy aceptado lo contrario. El valorCdebe
seleccionarse de modo que el error tipo I = α.
Es más conveniente definir los criterios de prueba en términos de valores
estandarizados que en términos deX. En concreto, si restamosµy0
dividir porsn,
obtenemos la variable aleatoriat= (X−µ0) (sn), que, con base en la Ecuación 6.5, sigue una norte−1
t distribución bajoh.Observamos
0
que bajoh,basado
0
en la definición de los percentiles de
untdistribución,pr(t<tnorte−1,α) = α. Esto nos lleva al siguiente procedimiento de prueba.
Ecuación 7.2 Una muestratPrueba de la media de una distribución normal con varianza desconocida
(media alternativa <media nula)
Para probar la hipótesish:µ = µ ,σdesconocido vs.h1:µ < µ0, σ desconocida con una
nivel de significancia de α, calculamos
X−µ0
t=
sn
Sit<tnorte−1,α, entonces rechazamosh0.
Sit≥tnorte−1,α, entonces aceptamosh. 0
DEFINICIÓN 7.10 El valorten la Ecuación 7.2 se llamaEstadística de pruebaporque el procedimiento de prueba se

basa en esta estadística.
DEFINICIÓN 7.11 El valornorte−1,αen la Ecuación 7.2 se llamavalor críticoporque el resultado de la prueba

depende de si el estadístico de prueba<tnorte−1,α= valor crítico, por lo que rechazamos ho
≥t0norte−1,α,por el cual aceptamosh. 0
DEFINICIÓN 7.12 El enfoque general en el que calculamos una estadística de prueba y determinamos el
resultado de una prueba comparando la estadística de prueba con un valor crítico
determinado por el error tipo I se llamamétodo de valor críticode prueba de hipótesis.
Ejemplo 7.10 ObstetriciaUtilice la muestra únicatprueba para probar la hipótesish:µ =0120 vs.h:µ < 120 según
1
los
datos de peso al nacer proporcionados en el ejemplo 7.2 y utilizando un nivel de significancia de
0,05.
Solución:Calculamos el estadístico de prueba.
X−µ 0
=
s norte
115 - 120
=
24 100
−5
= = -2.08
2.4
Usando la función TINV de Excel, vemos el valor crítico =t 99, .05

= -TINV(.10,99) =
− 1,66. Porquet= -2,08 < −1,66, se deduce que podemos rechazarh 0
en un significado
nivel de .05.
Ejemplo 7.11 ObstetriciaUtilice la muestra únicatprueba para probar la hipótesis dada en el ejemplo 7.10 usando
un nivel de significancia de .01.
Solución:Usando Excel, el valor crítico esTT= - 99, .01

= -TINV(0,02,99) = −2,36. Porque al
2.08 > −2.36, se deduce que aceptamosh 0
nivel de significancia = .01.
Si utilizamos el método del valor crítico, ¿cómo sabemos qué nivel de α usar? El nivel real de α utilizado
debería depender de la importancia relativa de los errores tipo I y tipo II porque el α más pequeño se hace
para un tamaño de muestra fijo (norte), cuanto más grande se vuelve β. La mayoría de las personas se
sienten incómodas con niveles de α mucho mayores que 0,05. Tradicionalmente, se utiliza con mayor
frecuencia un nivel α de exactamente 0,05.
En general, se podrían realizar varias pruebas de significancia a diferentes niveles
de α, como se hizo en los ejemplos 7.10 y 7.11, y sihSería aceptado 0o rechazado en cada
caso. Esto puede ser algo tedioso e innecesario porque, en cambio, se pueden realizar
pruebas de significancia de manera efectiva.en absolutoα nivelesobteniendo elpag-valor
para la prueba.
DEFINICIÓN 7.13 Elpag-valorpara cualquier prueba de hipótesis es el nivel α en el que seríamos

indiferentes entre aceptar o rechazar0
hdados los datos de muestra disponibles. Eso es el
pag-valor es el nivel α en el que el valor dado del estadístico de prueba (comot) está en
el límite entre las regiones de aceptación y rechazo.
Según el criterio de prueba de la Ecuación 7.2, si se alcanza un nivel de significancia depagse

utiliza, entonces
0
hsería rechazado si<tnorte−1,pagy aceptado si se permite
≥tnorte elegir entre
−1,pag.Seríamos aceptar o
indiferentes-
rechazarhsi una función detpor 0
=tnorte−1,pag. Podemos resolverpagcomo
Ecuación 7.3 pag=pr(tnorte−1≤t)
De este modo,pages el área a la izquierda detdebajo det norte-1

distribución.
Elpag-El valor se puede mostrar como se muestra en la Figura 7.1.
Ejemplo 7.12 ObstetriciaCalcular elpag-valor para los datos de peso al nacer en el Ejemplo 7.2.
Solución:De la Ecuación 7.3, lapag-el valor es
pr(t99≤ −2.08)
Usando la función pt de R, encontramos que esta probabilidad está dada por pt (−2.08,99) = .020,
que es lapag-valor.
Una definición alternativa depag-El valor que es útil en otros problemas de prueba de
hipótesis es el siguiente:
DEFINICIÓN 7.14 Elpag-valorTambién se puede considerar como la probabilidad de obtener un estadístico de prueba
tan extremo o más extremo que el estadístico de prueba real obtenido, dado que la hipótesis nula
es verdadera.
Figura 7. 1 Visualización gráfica de unpag-valor
0,4
0.3 tnorte–1distribución
Frecuencia
0,2
0.1
pag-valor
0.0
t 0
Valor
Sabemos que bajo la hipótesis nula, latestadística sigue unatdistribución. Por tanto, la norte-1
probabilidad de obtener unatestadística que no es mayor quetbajo la hipótesis nula espr(t

norte−1≤t)=pag-valor, como se muestra en la Figura 7.1.
Ejemplo 7.13 CardiologíaUn tema de interés clínico reciente es la posibilidad de utilizar fármacos para reducir el
tamaño del infarto en pacientes que han sufrido un infarto de miocardio en las últimas 24 horas.
Supongamos que sabemos que en pacientes no tratados el tamaño medio del infarto es 25 (ck−
gramo−Ecualizador/m2). Además, en 8 pacientes tratados con un fármaco, el tamaño medio del
infarto es 16 con una desviación estándar de 10. ¿Es el fármaco eficaz para reducir el tamaño del
infarto?
Solución:Las hipótesis sonh0:m =25vs.h1:m <25. Elpag-el valor se calcula utilizando la

Ecuación 7.3. Primero calculamos eltestadística dada por
16 - 25
= = -2.55
10 8
Elpag-el valor entonces viene dado porpag=pr7 <-2.55). Con referencia a la Tabla 5 en el Apéndice,
(t vemos esot 7, .975
=2.365, yt 7, .99
=2.998. Como 2,365 < 2,55 < 2,998, se sigue
que 1 − .99<pag <1 − .975 o .01<pag <.025. Usando Excel, el exactopag-el valor viene dado por TDIST
(2,55,7,1) = 0,019. De este modo,hse rechaza
0
y concluimos que el fármaco reduce significativamente
el tamaño del infarto (en igualdad de condiciones).
Esto también puede interpretarse como la probabilidad de que el tamaño medio del infarto en
una muestra aleatoria de 8 pacientes no sea mayor que 16, si la hipótesis nula es cierta. En este
ejemplo, la hipótesis nula es que el fármaco es ineficaz o, en otras palabras, que el tamaño medio
verdadero del infarto para la población de todos los pacientes con infarto de miocardio que son
tratados con el fármaco = tamaño medio verdadero del infarto para los pacientes no tratados = 25.
Elpag-el valor es importante porque nos diceexactamentequé tan significativos son nuestros
resultados sin realizar pruebas de significancia repetidas en diferentes niveles α. Una pregunta que suele
hacerse es: ¿Qué tan pequeño debe ser elpag-¿Valor para que los resultados se consideren
estadísticamente significativos? Aunque esta pregunta no tiene una respuesta única, en la Ecuación 7.4 se
dan algunos criterios comúnmente utilizados.
Ecuación 7.4 Directrices para juzgar la importancia de unpag-Valor
Si .01≤pag <.05, entonces los resultados sonsignificativo.

Si .001≤pag <.01, entonces los resultados sonaltamente significativa.
Sipag <.001, entonces los resultados sonmuy altamente significativo.
Sip >.05, entonces se consideran los resultadosno estadísticamente significativo(a veces
denotado por NS).
Sin embargo, si .05 <pag< .10, a veces se observa una tendencia hacia la significación
estadística.
Los autores frecuentemente no especifican la información exacta.pag-valor más allá de dar

rangos del tipo que se muestra aquí porque si elpag-Se cree que el valor 0,024 o 0,016 no es
importante. Otros autores dan una exactapag-valor incluso para resultados que no son
estadísticamente significativos para que el lector pueda apreciar qué tan cerca de la significación
estadística han llegado los resultados. Con la llegada de paquetes estadísticos como Excel,
MINITAB, Stata y R, la exactitudpag-Los valores son fáciles de obtener. Estos diferentes enfoques
conducen al siguiente principio general.
Ecuación 7.5 Determinación de la significancia estadística de los resultados de las pruebas de hipótesis
Cualquiera de los siguientes métodos se puede utilizar para establecer si los resultados de
Las pruebas de hipótesis son estadísticamente significativas:
(1) La estadística de pruebatse puede calcular y comparar con el valor crítico t
a un nivel α de .05. Específicamente, sih:m
norte−1, α 0 = m 0vs.h1:µ < µ0está siendo
probado yt<tnorte−1,05, entoncesh 0 se rechaza y se declaran los resultadosestadística
calladamente significativo(pag <.05). De lo contrario,h 0
se acepta y se detallan los resultados.
aclaradono estadísticamente significativo(pag≥ .05). Hemos llamado a este enfoque el
método de valor crítico(ver Definición 7.12).
(2) El exactopag-el valor se puede calcular y, sipag <.05, entonceshes

0
rechazado y
los resultados son declaradosEstadísticamente significante. De lo contrario, sipag≥ .05, entonces
0
h se acepta y se declaran los resultadosno estadísticamente significativo. Nos referiremos a este
enfoque como elpag-método de valor.
Estos dos enfoques son equivalentes con respecto a la determinación de la significancia

estadística (ya seapag< .05 opag≥ .05). ElpagEl método del valor es algo más preciso porque
produce una cifra exacta.pag-valor. Los dos enfoques de la ecuación 7.5 también se pueden
utilizar para determinar la significancia estadística en otros problemas de prueba de
hipótesis.
Ejemplo 7.14 ObstetriciaEvalúe la significancia estadística de los datos de peso al nacer en el ejemplo 7.12.
Solución:Porque elpag-el valor es 0,020, los resultados se considerarían estadísticamente

significativos y concluiríamos que el verdadero peso medio al nacer es significativamente
menor en este hospital que en la población general.
Ejemplo 7.15 CardiologíaEvalúe la importancia de los datos del tamaño del infarto en el ejemplo 7.13.
Solución:Elpag-valor =pr(t<-2.55).7
Usando la función pt de R, encontramos que pag= .020. Por
tanto, los resultados son significativos.
Al redactar los resultados de un estudio, se debe hacer una distinción entre significancia científica y
estadística porque los dos términos no necesariamente coinciden. Los resultados de un estudio pueden ser
estadísticamente significativos pero aun así pueden no ser científicamente importantes. Esta situación ocurriría si
se descubriera que una pequeña diferencia es estadísticamente significativa debido a un tamaño de muestra
grande. Por el contrario, algunos resultados estadísticamente no significativos pueden ser científicamente
importantes, lo que anima a los investigadores a realizar estudios más amplios para confirmar la dirección de los
hallazgos y posiblemente rechazarlos.hcon un tamaño de muestra0 mayor. Esta afirmación es cierta no sólo para la
muestra únicatprueba sino para prácticamente cualquier prueba de hipótesis.
Ejemplo 7.16 ObstetriciaSuponga que el peso medio al nacer en el ejemplo 7.2 fue 119 oz, según una muestra de
10 000 personas. Evaluar los resultados del estudio.
Solución:El estadístico de prueba estaría dado por
119 - 120
= = -4.17
24 10.000
Por lo tanto, lapag-el valor está dado porpr(t 9999

<−4.17). Porque untdistribución con 9999 de-
grados de libertad (df)es prácticamente lo mismo que unnorte(0,1) distribución, podemos
aproximar lapag-valor por(-4,17) < 0,001. Por lo tanto, los resultados son muy significativos,
pero claramente no son muy importantes debido a la pequeña diferencia en el peso medio al
nacer (1 onza) entre este hospital y el promedio nacional.
Ejemplo 7.17 ObstetriciaSuponga que el peso medio al nacer en el ejemplo 7.2 fue 110 oz, según un tamaño de
muestra de 10. Evalúe los resultados del estudio.
Solución:El estadístico de prueba estaría dado por
110 - 120
t= = -1.32
24 10
Elpag-el valor está dado porpr(9 <-1.32). Del Apéndice Tabla 5, porquet 9,.85
=1.100
t yt 9,.90 =1.383 y 1.100 < 1.32 < 1.383, se deduce que 1 − .90<pag <1 − .85 o .10 <pag <.15. Usando
Excel, elpag-valor = TDIST (1,32,9,1) = 0,110. Estos resultados no son estadísticamente significativos,
pero podrían ser importantes si las mismas tendencias también fueran evidentes en un estudio más
amplio.
El criterio de prueba en la Ecuación 7.2 se basó en una hipótesis alternativa que µ <
µ .En 0muchas situaciones deseamos utilizar una hipótesis alternativa queµ > µ .En este 0
casoh 0
sería rechazado siX, o correspondientemente nuestra estadística de pruebat, eran grandes
(>C) y aceptado siteran pequeños (≤C). El procedimiento de prueba se da de la siguiente manera:
Ecuación 7.6 Una muestratPrueba de la media de una distribución normal con varianza desconocida
(media alternativa > media nula)
Para probar la hipótesis

h0:m = m0vs.h1:µ > µ0
con un nivel de significancia de α, la mejor prueba se basa ent, dónde
X−µ 0
t=
s norte
Figura 7.2 pag-valor para la muestra únicatprueba cuando la media alternativa (μ ) >1 media nula (μ ) 0
0,4
0.3 tnorte–1distribución
Frecuencia
0,2
0.1 pag-valor
0.0
0 t
Valor
Sit>tnorte−1,1−α, entoncesh 0
se rechaza
Sit≤tnorte−1,1−α, entoncesh 0
es aceptado
Elpag-el valor para esta prueba está dado por
pag=pr(tnorte−1>t)
ElpagEl valor para esta prueba se muestra en la Figura 7.2.
Para derivar esto, si requerimos un error tipo I = α, encontramos c tal que
=pr(t>cH0 =pr(t>Cm = m0) )

=1-pr(t≤Cm = m0 )
Porquetsigue unt norte-1
distribución bajoh,tenemos
0
=1-pr(tnorte−1≤C) o 1 − α =pr(tnorte−1≤C)
Porquepr(tnorte−1<tnorte−1,1−α)= 1 − α, tenemos =tnorte−1,1−α. Así, en el nivel α,hes 0rechazado si

> tnorte−1,1−αy aceptado lo contrario. Elpag-valor es la probabilidad de observar un estadístico
de prueba al menos tan grande comotbajo la hipótesis nula. Así, porquetsigue unt norte-1
distribución bajoh,tenemos
0
pag=pr(tnorte−1≥t)=1-pr(tnorte−1≤t)
Ejemplo 7.18 Enfermedad Cardiovascular, PediatríaSuponga que el nivel medio de colesterol de 10 niños
cuyos padres murieron por enfermedad cardíaca en el ejemplo 7.1 es 200 mg/dL y la
desviación estándar de la muestra es 50 mg/dL. Pruebe la hipótesis de que el nivel medio de
colesterol es mayor en este grupo que en la población general.
Solución:La hipótesis
h0:m =175 vs. h1:µ >175

se prueba usando un nivel α de .05.hes rechazado
0
si
> tnorte−1,1−α=t9,.95
En este caso,
200 - 175
=
50 10
25
= =1,58
15.81
En la Tabla 5 vemos quetHal9,.95
nivel
=1.833. Como 1,833 > 1,58, se deduce que aceptamos
de0 significancia del 5%.
Si utilizamos elpag-método de valor, el exactopag-el valor está dado por
pag=pr(9t >1.58)
Usando la Tabla 5 del Apéndice, encontramost 9,.90

=1.383 yt 9,.95
=1.833. Así, porque 1.383
< 1.58 < 1.833, se deduce que .05<pag <.10. Alternativamente, usando la función pt de R,
podemos obtener el valor exactopag-valor 9
=pr(t >1,58) = 1 − puntos (1,58,9) = 0,074. Porque
pag> .05, concluimos que nuestros resultados no son estadísticamente significativos y se
acepta la hipótesis nula. Por tanto, el nivel medio de colesterol de estos niños no difiere
significativamente del de un niño promedio.
revisar preguntas 7 a
1 ¿Cuál es la diferencia entre un error tipo I y tipo II?
2 ¿Cuál es la diferencia entre el método del valor crítico y elpag-método de valor de prueba
revisar
de hipótesis?
3 Varios estudios han demostrado que las mujeres con muchos hijos tienen menos probabilidades de
padecer cáncer de ovario. En un nuevo estudio, se recopilan datos de 25 mujeres de entre 40 y 49
años con cáncer de ovario. La paridad media (número de hijos) de estas mujeres es 1,8 con una
desviación estándar de 1,2. Supongamos que el número medio de hijos entre las mujeres de la
población general en este grupo de edad es 2,5.
(a)¿Qué prueba se puede utilizar para probar la hipótesis de que las mujeres con cáncer de
ovario tienen menos hijos que las mujeres de la población general del mismo grupo de
edad?
(b)Realice la prueba de la pregunta de repaso 7A.3a utilizando el método del valor crítico.
(C)Cuál es elpag-valor basado en la prueba de la pregunta de repaso 7A.3a?
(d)¿Qué concluyes de este estudio?
7.4en E - muestra E t E stforth E d I str I pero I m E anofanormala lt E rn at I

en : t W o - s I d E d vEs
En la sección anterior se asumió que la hipótesis alternativa estaba en unadirección
específicaen relación con la hipótesis nula.
Ejemplo 7.19 ObstetriciaEl ejemplo 7.2 supuso que el peso medio al nacer de los lactantes de un hospital de un
área de nivel socioeconómico bajo era igual o inferior al promedio. En el ejemplo 7.1 se supuso que
el nivel medio de colesterol de los hijos de hombres que murieron por enfermedad cardiaca era
igual o superior al promedio.
En la mayoría de los casos estoconocimiento previono está disponible. Si la hipótesis nula no es

cierta, entonces no tenemos idea en qué dirección caerá la media alternativa.
7.4 Prueba de una muestra para la media de una distribución normal: alternativas bilaterales 223
Ejemplo 7.20 Enfermedad cardiovascularSupongamos que queremos comparar los niveles de colesterol sérico en
ayunas entre inmigrantes asiáticos recientes a los Estados Unidos con los niveles típicos encontrados en la
población general de los Estados Unidos. Supongamos que asumimos que los niveles de colesterol en
mujeres de 21 a 40 años en los Estados Unidos tienen una distribución aproximadamente normal con una
media de 190 mg/dL. Se desconoce si los niveles de colesterol entre los inmigrantes asiáticos recientes son
más altos o más bajos que los de la población general de Estados Unidos. Supongamos que los niveles
entre las inmigrantes asiáticas recientes se distribuyen normalmente con una media µ desconocida. Por lo
tanto deseamos probar la hipótesis nula.h0:m = m0= 190vs. la hipótesis alternativah1:µ ≠ µ0. Se realizan
análisis de sangre a 100 mujeres inmigrantes asiáticas de entre 21 y 40 años, y el nivel medio (X) es 181,52
mg/dL con desviación estándar = 40 mg/dL. ¿Qué podemos concluir sobre la base de esta evidencia?
El tipo de alternativa dado en el ejemplo 7.20 se conoce comobilateralalternativa

porque la media alternativa puede ser menor o mayor que la media nula.
DEFINICIÓN 7.15 Una prueba de dos colases una prueba en la que los valores del parámetro que se está
estudiando (en este casoµ)bajo la hipótesis alternativa se les permite sermayor o menor
quelos valores del parámetro bajo la hipótesis nula (µ). 0
La mejor prueba aquí depende de la media muestral.Xo, equivalentemente, en el

estadístico de pruebat, como ocurrió en la situación unilateral desarrollada en la Sección 7.3.
Mostramos en la Ecuación 7.2 (p. 216) que para probar la hipótesish0:m = m0versush1:µ < µ0,
la mejor prueba fue de la forma: 0Rechazarhsi<tnorte−1,αy aceptar
0
hsi≥tnorte−1,α. Esta prueba
claramente sólo es apropiada para alternativas a un lado de la media nula, es decirµ < µ0.
También mostramos en la Ecuación 7.6 (p. 220) que para probar la hipótesis
h0:m = m0vs.h1:µ > µ0
la mejor prueba fue correspondientemente de la siguiente forma: Rechazar

0
hsi>tnorte−1,1−αy
aceptarhsi≤
0
t norte−1,1−α.
Ecuación 7.7 Una regla de decisión razonable para probar alternativas encualquieralado de la media nula es
rechazar H si t es
0
demasiado pequeño o demasiado grande. Otra forma de expresar la regla es
esohserá
0
rechazado sites cualquiera<C 1
o>C 2
para algunas constantesC,1C 2
yh 0
será aceptado siC 1 ≤t≤C. 2
La pregunta sigue siendo: ¿Cuáles son los valores apropiados paraC 1

yC?Estos
2
valores son
nuevamente determinado por el error tipo I (α). las constantesC,1Cdebe
2
elegirse de manera que
Ecuación 7.8 pr(rechazarh0h0verdadero)=pr(t<C1ot>C2h0verdadero)
=pr(t<C1h0verdadero +pr(t>C2h0verdadero = α ) )
La mitad del error tipo I se asigna arbitrariamente a cada una de las probabilidades del lado
izquierdo de la segunda línea de la ecuación 7.8. Así, deseamos encontrarC,Cde1modo
2
que
Ecuación 7.9 pr(t<C1h0verdadero)=pr(t>C2h0verdadero)= α2
Figura 7.3 Una muestratprueba de la media de una distribución normal (alternativa bilateral)
tnorte–1distribución = distribución detbajoh0
Frecuencia
Región de rechazo Región de rechazo
Región de aceptación
0
tnorte–1,α/2 0 tnorte–1, 1–α/2
Valor
Sabemostsigue unt distribución bajoh.Porque

0 norte−1,α 2ynorte−1,1−α 2son los
norte-1
inferior y superior 100%×α/2 percentiles de at distribución, se deduce que norte-1
( ) (
pr t<tnorte−1,α 2 =pr t>tnorte−1,1−α 2 = α2 )
Por lo tanto,
1=tnorte−1,α 2= -tnorte−1,1−α 2 y C2=tnorte−1,1−α 2
Este procedimiento de prueba se puede resumir de la siguiente manera:
Ecuación 7. 10 Una muestratPrueba de la media de una distribución normal con varianza desconocida
(Alternativa de dos caras)
Para probar la hipótesish:m0 = m 0

vs.h:µ1 ≠ µ 0, con un nivel de significancia de α, el
La mejor prueba se basa ent= (X−µ0) (s norte).
Sit>tnorte−1,1−α 2
entonces0 hse rechaza.
Sit≤tnorte−1,1−α 2
entonces0hes aceptado.
Las regiones de aceptación y rechazo para esta prueba se muestran en la Figura 7.3.
Ejemplo 7.21 Enfermedad cardiovascularPruebe la hipótesis de que el nivel medio de colesterol de las
inmigrantes asiáticas recientes es diferente de la media de la población general de Estados Unidos,
utilizando los datos del ejemplo 7.20.
Solución:Calculamos el estadístico de prueba.
X−µ 0
=
s norte
181,52-190
=
40 100
− 8,48
= = -2.12
4
Para una prueba bilateral con α = .05, los valores críticos son1=t99,.025,C2=t99,.975.
De la Tabla 5 en el Apéndice, porque99,.975<t60,.975= 2.000, resulta queC< 2
2.000. También porqueC1= -C 2
resulta quec >−2.000.
1
Porquet= -2,12 < −2,000 <
C1,se deduce que podemos rechazarh 0 al nivel de significancia del 5%. Concluimos que
El nivel medio de colesterol de los inmigrantes asiáticos recientes es significativamente diferente del de la
población general de Estados Unidos.
Alternativamente, podríamos querer calcular unpag-valor como lo hicimos en el caso

unilateral. Elpag-El valor se calcula de dos maneras diferentes, dependiendo de sites menor o
mayor que 0.
Ecuación 7. 11 pag-Valor para una muestratPrueba de la media de una distribución normal

(alternativa bilateral)
X−µ 0
Dejart=
s norte
--2×pr(tnorte−1≤t),sit≤0
pag= -
--2×--1-pr(tnorte−1≤t)-- ,sit>0
Así, en palabras, sit≤0, entoncespag=2 veces el área bajo unt norte-l

distribución a la
izquierda det; sit >0, entoncespag=2 veces el área bajo untdistribución a la derecha det. Una norte-l
manera de interpretar elpag-El valor es el siguiente.
Ecuación 7. 12 Elpag-valores la probabilidad bajo la hipótesis nula de obtener un estadístico de prueba

tan extremo o más extremo que el estadístico de prueba observado, donde, entre
Debido a que se utiliza una hipótesis alternativa de dos caras, el extremo se mide por la
valor absolutodel estadístico de prueba.
Por lo tanto, sit>0, elpag-valor es el área a la derecha detmás el área a la izquierda de -t

debajo detdistribución. norte-l
Sin embargo, esta área simplemente equivale al doble del área de la cola derecha porque el tla
distribución es simétrica alrededor de 0. Una interpretación similar es válida sit<0.
Estas áreas se ilustran en la Figura 7.4.
Ejemplo 7.22 Enfermedad cardiovascularCalcular elpag-valor para la prueba de hipótesis del ejemplo 7.20.
Solución:Porquet= -2.12, elpag-el valor para la prueba es el doble del área de la cola izquierda, o
pag=2×pr(t99< −2,12)=2×pt(-2,12,99) = 0,037
basado en la función pt de R.
Por lo tanto, los resultados son estadísticamente significativos con unpag-valor de .037.
Finalmente, sinortees grande (digamos, >200), entonces los percentiles de latdistribución

(>tnorte−1,1−α 2) utilizado para determinar los valores críticos en la Ecuación 7.10 puede
aproximarse mediante los percentiles correspondientes de unnorte(0,1) distribución (z 1−α/2 ).
FIGURA 7.4 Ilustración de lapag-valor para una muestratprueba de la media de una

distribución normal (alternativa bilateral)
0,4 Sit≤0,pag-valor = dos 0,4 Sit>0,pag-valor = dos

veces la mano izquierda veces la mano derecha
área de la cola tnorte–1distribución tnorte–1distribución área de la cola
0.3 0.3
Frecuencia
Frecuencia
0,2 0,2
0.1 0.1 pag/2

pag/2
0.0 0.0
t 0 0 t
Valor Valor
De manera similar, en informáticapag-valores en la Ecuación 7.11, sinorte>200, entoncespr(tnorte−1≤t)puede

ser aproximado porpr[norte(0,1) <t] = Φ(t). Usamos aproximaciones similares en nuestro trabajo sobre IC
para la media de una distribución normal con varianza desconocida en la Sección 6.5 en la página 177 del
Capítulo 6.
¿Cuándo es más apropiada una prueba unilateral que una prueba bilateral?
y esmás fácilrechazarh
Generalmente, la media muestral cae en la dirección esperada0desdeµ 0
usando una prueba unilateral que usando una prueba bilateral. Sin embargo, este no es necesariamente
siempre el caso. Supongamos que, a partir de una revisión anterior de la literatura, suponemos que es
probable que el nivel de colesterol de los inmigrantes asiáticos sea más bajo que el de la población general
de Estados Unidos debido a mejores hábitos alimentarios. En este caso, usaríamos un
prueba lateral de la formah0:m =190 vs.h1:m <190. De la Ecuación 7.3, el unilateral
1
pag-valor =pr(t99< −2,12) =pt(-2.12,99) = .018 = (de dos caraspag-valor). Alternativamente,
2
Supongamos que a partir de una revisión de la literatura anterior suponemos que el nivel de colesterol de los asiáticos
Es probable que el número de inmigrantes sea mayor que el de la población general de
Estados Unidos debido a las condiciones de vida más estresantes. En este caso, usaríamos
una prueba unilateral de la formah0:m =190 vs.h1:µ >190. De la Ecuación 7.6, lapag99 -valor =pr(t
> −2.12) = .982. Así, aceptaríamoshsi 0utilizamos una prueba unilateral y la media muestral
está en el lado opuesto de la media nula de la hipótesis alternativa. Generalmente, una
prueba bilateral siempre es apropiada porque no puede haber dudas sobre las conclusiones.
Además, como se acaba de ilustrar, una prueba bilateral puede ser más conservadora porque
no es necesario adivinar el lado apropiado de la hipótesis nula para la hipótesis alternativa.
Sin embargo, en ciertas situaciones sólo las alternativas a un lado de la media nula son de
interés o son posibles, y en este caso una prueba unilateral es mejor porque tiene más poder
(es decir, es más fácil rechazarla).hbasado en una muestra finita0
si hes realmente cierto) que
su1 contraparte bilateral. En todos los casos, es importante decidir si se utiliza una prueba
unilateral o bilateral.antescomienza el análisis de datos (o preferiblemente antes de la
recopilación de datos) para no sesgar las conclusiones basadas en los resultados de las
pruebas de hipótesis. En particular, no cambie de una prueba bilateral a una unilateral.
despuésmirando los datos.
Ejemplo 7.23 HipertensiónSupongamos que estamos probando la eficacia de un fármaco para reducir la presión
arterial. Supongamos que el cambio en la presión arterial (presión arterial inicial menos presión
arterial de seguimiento) se distribuye normalmente con la media.µy varianza σ2. Un apropiado
C el medicamento es de interés sólo si

La prueba de hipótesis podría serh0:m =0 vs.h 1:µ >0ser porque
reduce la presión arterial, no si aumenta la presión arterial.
En el resto de este texto nos centraremos principalmente en las pruebas bilaterales

porque se utilizan mucho más en la literatura.
Uso de la computadora para realizar la muestra únicatPrueba

Numerosos programas informáticos pueden realizar la muestra única.tprueba. Muchos programas pueden
realizar esta prueba basándose en datos sin procesar. Stata es uno de los pocos programas que puede
realizar pruebas estadísticas estándar basadas en datos resumidos. Para realizar la muestra únicatPrueba
basada en datos resumidos, utilizamos el programa ttesti de Stata.
Ejemplo 7.24 Enfermedad cardiovascularUtilice un programa de computadora para comparar el nivel medio de
colesterol de mujeres asiáticas inmigrantes recientes de 21 a 40 años de edad a Estados Unidos con el de
mujeres de 21 a 40 años de la población estadounidense según los datos del ejemplo 7.20 (p. 223).
Solución:Para ello utilizamos el programa ttesti de Stata. Del ejemplo 7.20, el nivel de
colesterol medio ± DE de 100 mujeres inmigrantes asiáticas de 21 a 40 años fue de 181,52 ±
40 mg/dL. El colesterol medio de mujeres de edad similar en la población estadounidense fue
de 190 mg/dL. En general, para probar la hipótesis.
h 0 :µ=µ 0
contra H
1
:µ≠µ,usamos
0
la sintaxis
ttesti n valor medio sd
donde valor = µ. 0Así, en este caso especificamos
testi 100 181,52 40 190 La salida de Stata es la
siguiente:
. testi 100 181,52 40 190 Una
muestratprueba
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - | Obs
Media Est. Errar. Estándar Desarrollo. [95% Conf. Intervalo]
- - + - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - x| 100
181,52 4 40 173.5831 189.4569
- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - media
= media(x) t= - 2,1200
Ho: media = 190 grados de libertad = 99
Ja: media < 190 Ja: significa! = 190 Ha: media > 190
Pr(T <t) = 0,0183 Pr(|T| > |t|) = 0,0365 Pr(T > t) = 0,9817
Se realizan pruebas de hipótesis tanto unilaterales como bilaterales. Eltestadístico (−2,12) y el

bilateralpag-valor (que se encuentra en Ha: media != 190) = 0.037 son los mismos que se dan
en el Ejemplo 7.22 (!= significa no igual en Stata; Ho es la hipótesis nula, Ha es la hipótesis
alternativa).
En esta sección y en la Sección 7.3, hemos presentado launa muestratprueba, que

se utiliza para probar hipótesis sobre la media de una distribución normal cuando se
desconoce la varianza. Esta prueba se presenta en el diagrama de flujo de la Figura 7.18
(p. 268) donde mostramos técnicas para determinar los métodos apropiados de
inferencia estadística. Comenzando en el cuadro "Inicio", llegamos al modelo de una muestra.t

cuadro de prueba respondiendo sí a cada una de las siguientes cuatro preguntas: (1) ¿una variable
de interés? (2) ¿problema de una muestra? (3) ¿la distribución subyacente es normal o se puede
suponer que se cumple el teorema del límite central? y (4) inferencia sobrem?y no a la pregunta (5)
σ ¿conocido?
Una muestrazPrueba
En las ecuaciones 7.10 y 7.11 (págs. 224 y 225), los valores críticos ypag-valores para la muestra
únicatLa prueba se ha especificado en términos de percentiles de latdistribución, asumiendo que se
desconoce la varianza subyacente. En algunas aplicaciones, se puede suponer que la varianza se
conoce a partir de estudios anteriores. En este caso, el estadístico de pruebatpuede ser
reemplazado por el estadístico de pruebaz= (X−µ0) (σnorte). Además, los valores críticos basados
en latLa distribución puede ser reemplazada por los valores críticos correspondientes de una
distribución normal estándar. Esto conduce al siguiente procedimiento de prueba:
Ecuación 7. 13 Una muestrazPrueba de la media de una distribución normal con varianza conocida
(Alternativa de dos caras)
Para probar la hipótesish0:m = m0vs.h1:µ ≠ µ0con un nivel de significancia de α,

donde se conoce la desviación estándar subyacente σ, la mejor prueba se basa en z
= (X−µ0) (σ norte)
Siz<zα2 oz>z1-α2
entonces0 hse rechaza.
Sizα2≤z≤z1-α2
entonces0hes aceptado.
Para calcular una de dos caraspag-valor, tenemos

pag=2Φ(z) siz≤0
=2[1 − Φ(z)] siz>0
Ejemplo 7.25 Enfermedad cardiovascularConsidere los datos sobre colesterol del ejemplo 7.21. Suponga que se
sabe que la desviación estándar es 40 y que el tamaño de la muestra es 200 en lugar de 100. Evalúe
la importancia de los resultados.
Solución:El estadístico de prueba es
181,52-190
=
40 200
− 8,48
= = -3.00
2.828
Primero utilizamos el método del valor crítico con α = 0,05. Según la ecuación 7.13, los valores
críticos son −1,96 y 1,96. Porquez= -3,00 < −1,96, podemos rechazarhcon un nivel de0
significancia del 5%. los dos ladospag-el valor está dado por 2×Φ(-3,00) = 0,003.
De manera similar, podemos considerar la muestra únicazPruebe una alternativa unilateral de la siguiente
manera.
7.5 La relación entre las pruebas de hipótesis y los intervalos de confianza 229
(alternativa unilateral) ( µ 1
< µ 0)
vs.h:µ1 < µ 0
con un nivel de significancia de α,
donde se conoce la desviación estándar subyacente σ, la mejor prueba se basa en
z= (X−µ0) (σ norte)
Siz<z,entonces
α 0
se rechaza; siz≥z,entonces
α
hes aceptado.
0
Elpag-el valor está dado por
HP= Φ(z).
(Alternativa unilateral) ( µ 1
> µ 0)
vs.h:µ1 > µ 0
con un nivel de significancia de α,
donde se conoce la desviación estándar subyacente σ, la mejor prueba se basa en
z= (X−µ0) (σ norte)
Siz>z,entonces
1-α
h 0
se rechaza; siz≤z,entonces
1-α
h 0
es aceptado. Elpag-se da valor
porpag=1 − Φ(z).
En general, untUna distribución con > 200 gl se puede aproximar bien mediante una distribución N(0,1). Así, la
única muestrazLa prueba (como se indica en las ecuaciones 7.13 a 7.15) se puede utilizar como una aproximación a
la prueba de una muestra.tprueba con σ reemplazado por s si n > 200.
En esta sección presentamos eluno-prueba z de muestra,que se utiliza para probar hipótesis
sobre la media de una distribución normal cuando se conoce la varianza. Comenzando en el cuadro
“Inicio” del diagrama de flujo (Figura 7.18, p. 268), llegamos al modelo de una muestra.zcuadro de
prueba respondiendo sí a cada una de las siguientes cinco preguntas: (1) ¿una variable de interés?
(2) ¿problema de una muestra? (3) ¿la distribución subyacente es normal o se puede suponer que se
cumple el teorema del límite central? (4) inferencia sobrem?y (5) σ conocido?
7.5the E r E l at I onsh I pb E t WEE nhypoth E s I st E st I n G andconf

I d Enc EI nt E rvals
Consulte la página 224 En la ecuación 7.10 se presentó un procedimiento de prueba para probar la hipótesis. h:
para Ecuación 7. 10 m0 = m 0
vs.h:µ≠µ.De
1
manera
0
similar, un método para obtener un IC bilateral para el
parámetroµde una distribución normal cuando se desconoce la varianza se analizó en la Sección
6.5. La relación entre estos dos procedimientos se puede establecer de la siguiente manera.
Ecuación 7. 16 La relación entre la prueba de hipótesis y los intervalos de confianza (caso bilateral)
Supongamos que estamos probandoh:m = m

0 0
vs.h:µ≠µ.
1
h 0 0 se rechaza con dos caras
prueba de nivel α si y solo si el 100% bilateral× (1 − α) IC paraµno escontener µ.h
0 0
se acepta con una prueba de nivel α bilateral si y solo si el 100% bilateral
× (1 − α) IC paraµhacecontenerµ. 0
Para derivar esto, recuerde que el 100% bilateral× (1 − α) IC param = (C1,C2) = X±tnorte−1,1−α/
2sn.Supongamos que rechazamoshen el nivel0
α. Entonces tambient <−t norte−1,1−α/2
ot >
t norte−1,1−α/2
. Suponer que
t=(X−µ0)(sn <-tnorte−1,1−α/2 )
Multiplicamos ambos lados porsny obtener
X−µ0<-tnorte−1,1−α/2sn
si sumamosµa0 ambos lados, entonces
X<µ0−tnorte−1,1−α/2s norte
µ0>X+tnorte−1,1−α/2s norte=C2
De manera similar, sit > t , entonces

norte−1,1−α/2
X−µ0>tnorte−1,1−α/2s norte
µ0<X−tnorte−1,1−α/2s norte=C1
Así, si rechazamosh 0
en el nivel α usando una prueba bilateral, entoncesµ 0
<C 1 oµ 0
> C2;
eso es,µdebe
0
quedar fuera del 100% bilateral× (1 − α) IC paraµ.De manera similar, se puede
demostrar que si aceptamosh 0
en el nivel α usando una prueba bilateral, entoncesµdebe
0
caer dentro
el bilateral 100%× (1 − α) IC paraµ (o,C 1
≤µ 0 ≤C).
2
Por lo tanto, esta relación es la razón fundamental para utilizar los IC en el Capítulo 6 para
decidir sobre la razonabilidad de valores específicos para el parámetro.µ.Si algún valor propuesto
específico
0
µno cayó en el 100% bilateral× (1 − α) IC param,luego dijimos que era un valor
improbable para el parámetroµ.De manera equivalente, podríamos haber probado la hipótesis. h:m
= mvs.
0
h:µ≠µy
0
rechazado
1
h0en el nivel de significancia
0
α.
Aquí hay otra manera de expresar esta relación.
Ecuación 7. 17 El 100% bilateral× (1 − α) IC paraµcontiene todos los valoresµtal

0
que aceptamos
h 0 utilizando una prueba bilateral con nivel de significancia α, donde las hipótesis sonh: 0
m = mvs.
0
h:µ≠µ.Por
1
el
0
contrario, el 100%× (1 − α) CIno escontener cualquier valor µpor lo
que
0
podemos rechazarh dóndeh:m 0
=m
utilizando una prueba bilateral con nivel de significancia α,
0 0
yh:µ≠µ.
1 0
Ejemplo 7.26 Enfermedad cardiovascularConsidere los datos sobre colesterol del ejemplo 7.20 (p.
223). TenemosX=181,52 mg dL,s=40 mg/dL, ynorte=100. El IC bilateral del 95% paraµes
dado por
(X−t 99,.975sn,X+t99,.975sn )
Si usamos la función qt de R, esto viene dado por
= --X+cuarto de galón(0.025,99)s norte,X+cuarto de galón(0.975,99)sn--
- 1.984(40) 1.984(40) -
= -181,52 − , 181,52 +
- 10 10 --
= (181,52 − 7,94, 181,52 + 7,94) = (173,58, 189,46)
7.5 La relación entre las pruebas de hipótesis y los intervalos de confianza 231
Este CI contiene todos los valores0 paraµpor lo cual aceptamos 0

h:m0
= my no con-
por lo cual podríamos rechazarh 0 al nivel del 5%. En concreto, el 95%
tener cualquier valorµ 0
CI (173.58, 189.46) no contieneµ 0

=190, que corresponde a la decisión en
Ejemplo 7.21 (p. 224), donde pudimos rechazarh:m =190 al0 nivel de significancia del 5%.
Otra forma de decir esto es que elpag-valor calculado en el ejemplo 7.22 (p. 225) param
=1900= .037, que es menos de .05.
Ejemplo 7.27 Enfermedad cardiovascularSuponga que la media muestral de colesterol fue 185 mg/dL para
los datos de colesterol del ejemplo 7.20. El IC del 95% sería
185 − 7,94,185 + 7,94) = (177,06,192,94)
que contiene la media nula (190). Elpag-el valor para la prueba de hipótesis sería
pag=2×pr[t99< (185 - 190) 4]=2×pr(t99< −1,25)

=2×pt(-1.25,99) = .
214 > .05
usando la función pt de R. Entonces podemos aceptarh 0

usando α = .05, sim0 =190, que es
consistente con la afirmación de que 190 cae dentro del IC del 95% anterior. Por lo tanto, las
conclusiones basadas en el IC y los enfoques de prueba de hipótesis también son las mismas aquí.
Existe una relación similar entre la prueba de hipótesis unilateral desarrollada en la Sección 7.3
y el IC unilateral para el parámetroµdesarrollado en la Sección 6.10. También se pueden hacer
afirmaciones de IC equivalentes sobre la mayoría de las otras pruebas de hipótesis unilaterales o
bilaterales que se tratan en este texto.
Dado que los enfoques de prueba de hipótesis y de IC arrojan las mismas conclusiones,
¿hay alguna ventaja en utilizar un método sobre el otro? Elpag-El valor de una prueba de
hipótesis nos dice con precisión cuán estadísticamente significativos son los resultados. Sin
embargo, a menudo los resultados que son estadísticamente significativos no son muy
importantes en el contexto del tema en cuestión porque la diferencia real entreXyµ Puede 0
que no sea muy grande, pero los resultados son estadísticamente significativos debido al
gran tamaño de la muestra. Un IC del 95% paraµdaría información adicional porque
proporcionaría un rango de valores dentro de los cualesµes probable que caiga. Por el
contrario, el IC del 95% no contiene toda la información contenida en unpag-valor. No nos
dice con precisión qué tan significativos son los resultados, sino simplemente si son
significativos al nivel del 5%. Por lo tanto, es una buena práctica calcular tanto unpag-valor y
un IC del 95% paraµ.
Desafortunadamente, algunos investigadores se han polarizado sobre este tema: algunos
estadísticos favorecen únicamente el enfoque de prueba de hipótesis y algunos epidemiólogos
favorecen únicamente el enfoque de IC. Estas cuestiones han influido en consecuencia en la política
editorial, y algunas revistasrequiriendoque los resultados se presenten en un formato u otro. El
quid de la cuestión es que, tradicionalmente, los resultados deben ser estadísticamente
significativos (al nivel del 5%) para demostrar la validez de un hallazgo particular. Una ventaja de
este enfoque es que se proporciona un estándar estadístico uniforme (el nivel del 5%) paratodo
investigadores para demostrar evidencia de una asociación. Esto protege a la comunidad de
investigadores contra afirmaciones científicas que no se basan en ningún criterio estadístico o
empírico (como, por ejemplo, únicamente sobre la base de informes de casos clínicos). Los
defensores del enfoque de CI sostienen que el ancho del CI proporciona información sobre la
magnitud probable de las diferencias entre grupos, independientemente del nivel de significancia.
Mi opinión es que los niveles de significancia y los límites de confianza proporcionan información
complementaria y ambos deberían informarse, siempre que sea posible.
Ejemplo 7.28 Enfermedad cardiovascularConsidere los datos sobre colesterol de los ejemplos 7.22 y 7.26. El pagEl
valor de 0,037, obtenido en el ejemplo 7.22, nos dice con precisión cuán significativos son los
resultados. El IC del 95% param = (173.58, 189.46) obtenido en el ejemplo 7.26 da un rango de
valores probables queµpodría suponer. Los dos tipos de información son complementarios.
7.6th E po WE rofat E st
El cálculo de la potencia se utiliza para planificar un estudio, generalmente antes de que se hayan
obtenido datos, excepto posiblemente de un pequeño estudio preliminar llamado estudio piloto.
Además, normalmente hacemos una proyección sobre la desviación estándar sin tener realmente
ningún dato para estimarla. Por lo tanto, asumimos que se conoce la desviación estándar y
basamos los cálculos de potencia en la estimación de una muestra.zprueba como se indica en las
ecuaciones 7.13, 7.14 y 7.15 (págs. 228 y 229).
Ejemplo 7.29 OftalmologíaSe propone un nuevo fármaco para prevenir el desarrollo de glaucoma en personas
con presión intraocular (PIO) elevada. Se realiza un estudio piloto con el fármaco en 10 pacientes.
Después de 1 mes de usar el medicamento, su PIO media disminuye en 5 mm Hg con una
desviación estándar de 10 mm Hg. Los investigadores proponen estudiar a 30 participantes en el
estudio principal. ¿Es este un tamaño de muestra suficiente para el estudio?
Solución:Para determinar si 30 participantes son suficientes, necesitamos hacer un cálculo de

potencia. El poder del estudio es la probabilidad de que podamos declarar una diferencia
significativa con una muestra de tamaño 30 si la verdadera disminución media de la PIO es de 5 mm
Hg con una desviación estándar de 10 mm Hg. Normalmente queremos una potencia de al menos
el 80% para realizar un estudio. En esta sección examinamos fórmulas para la potencia de cálculo y
abordamos la pregunta que acabamos de formular.
Alternativas unilaterales
En la Sección 7.4 (Ecuación 7.14) se derivó la prueba de hipótesis apropiada para probar
h0:m = m0vs.h1:µ < µ0
donde se supuso que la distribución subyacente era normal y se supuso que la varianza
poblacional era conocida. La mejor prueba se basó en la estadística de prueba.z. En
particular, de la Ecuación 7.14 para un error tipo I de α,h 0 es rechazado siz<zyα h 0
se acepta siz≥z.La forma
α
de la mejor prueba.no depende del medio alternativo elegido(
µ)siempre1 que la media alternativa sea menor que la media nulaµ. 0
Por lo tanto, en el ejemplo 7.2, dondeµ 0
=120 oz, si estuviéramos interesados en una alternativa =110
significado dem
1
=115 onzas en lugar deµ 1
oz, entonces se aplicaría el mismo procedimiento de prueba.
todavía se puede utilizar. Sin embargo, lo que difiere para las dos medias alternativas es la potencia
de la prueba = 1 −pr(error tipo II). Recordar deDefinición 7.6(pag. 214) que
Poder =pr(rechazarh0h0FALSO =pr(z<zαm = m1) )

-X−µ 0 -
<zαm = m1--
=pr-- σnorte
(
=pr X<µ0+zασ nortem = m1 )
7.6 El poder de una prueba 233
FIGURA 7.5 Ilustración del poder de la prueba de una muestra para la media de una distribución normal
con varianza conocida (μ 1
<µ)0
Distribución deX Distribución deX

bajoh1 bajoh0
norte(µ1,σ2/norte) norte(µ0,σ2/norte)
Poder =
1 –b
Frecuencia
Aceptación
región
Rechazo
región
0 µ1 µ0 Valor
Área =α
µ0+zασ/norte
2
Sabemos que bajoh 1,X~norte(μ1,σ norte). Por lo tanto, sobre la estandarización de límites,
--(µ0+zασ (μ 0 − µ1) -
Poder = norte−µ1 ) (σ - -)
norte - = Φ -z α +
--
norte
- σ
Este poder se representa gráficamente en la Figura 7.5.
Tenga en cuenta que el área a la izquierda de0+zασnortebajo lahdistribución

0
es el nivel de
significancia α, mientras que el área a la izquierda deµ0+zασnortebajo lahla distribución
1
es la
potencia = 1 − β.
¿Por qué debería preocuparnos el poder? El poder de una prueba nos dice qué tan probable es que se
detecte una diferencia estadísticamente significativa en función de un tamaño de muestra finito.norte, si la
hipótesis alternativa es cierta (es decir, sim = m )es decir, 1si la verdadera mediaµdifiere de la media bajo la
hipótesis nula (µ).Si el poder es demasiado bajo, entonces
0
hay pocas posibilidades de encontrar una
diferencia significativa y es probable que se obtengan resultados no significativos incluso si existen
diferencias reales entre la media verdadera.µdel grupo en estudio y la media nulaµ.Un tamaño de muestra
inadecuado suele
0
ser la causa del bajo poder para detectar una diferencia científicamente significativa.
Ejemplo 7.30 ObstetriciaCalcule la potencia de la prueba para los datos de peso al nacer en el ejemplo 7.2 (p. 211)
con una media alternativa de 115 oz y α = 0,05, suponiendo que la desviación estándar verdadera =
24 oz.
Solución:Tenemosm =120
0
onzas,m =115
1
onzas, α = .05, σ = 24,norte=100. Así
potencia = Φ --z.05+ (12 0 − 115) 100 24- - = Φ[−1,645 + 5(10) 24]= Φ(0,438) = 0,669
Por lo tanto, existe aproximadamente un 67 % de posibilidades de detectar una diferencia significativa utilizando un nivel de
significancia del 5 % con este tamaño de muestra.
Nos hemos centrado en la situación en la que1<µ0. También nos interesa el poder al

probar la hipótesis.
h0:m = m0vs.h1:m = m1>µ0
Figura 7.6 Ilustración del poder de la prueba de una muestra para la media de una distribución normal
con varianza conocida (µ 1
> µ)0
Distribución deX Distribución deX

bajoh0 bajoh1
Potencia = 1 –b
Frecuencia
Aceptación Rechazo
región región
Área =α
0 µ0 µ1 Valor
µ0+z1–ασ/norte
como fue el caso con los datos de colesterol en el Ejemplo 7.1. La mejor prueba para esta
situación se presentó en la Ecuación 7.15, dondeh 0 es rechazado siz>z1-α y aceptado si
≤z1-α. Usando una derivación similar, obtenemos la siguiente expresión para potencia.
- (µ-1)µnorte
0 - - (µ1−µ)norte
0 -
---z1- α + - = Φ -z α + -siµ >1µ 0
-- σ-- -- σ --
Este poder se muestra en la Figura 7.6.
Ejemplo 7.31 Enfermedad Cardiovascular, PediatríaUtilizando un nivel de significancia del 5% y una muestra de
tamaño 10, calcule la potencia de la prueba para los datos de colesterol del ejemplo 7.18 (p. 221),
con una media alternativa de 190 mg/dL, una media nula de 175 mg/dL. dL y una desviación
estándar (σ) de 50 mg/dL.
Solución:Tenemosm =175,m
0
=190,
1
α = .05, σ = 50,norte=10. Así,
Potencia = Φ ----1.645 + (190 − 175) 10 50- -
(
= Φ −1,645 + 15 10 50 = Φ(-0,696) )
=1 − Φ(0,696) = 1 − ,757 = ,243
Por lo tanto, la probabilidad de encontrar una diferencia significativa en este caso es sólo del 24%. Por lo
tanto, no sorprende que no se encontrara una diferencia significativa en el ejemplo 7.18 porque el tamaño
de la muestra era demasiado pequeño.
Las fórmulas de potencia presentadas en esta sección se pueden resumir de la siguiente manera:
Ecuación 7. 18 Poder para una muestrazPrueba de la media de una distribución normal con
varianza conocida (alternativa unilateral)
El poder de la prueba para la hipótesis.

h0:m = m0vs.h1:m = m1
donde la distribución subyacente es normal y la varianza poblacional (σ2) se supone

conocido está dado por
(
Φ zα+ µ0−µ1 norteσ = Φ −z1-α+µ0−µ1 norteσ ) ( )
Observe en la ecuación 7.18 que la potencia depende de cuatro factores: α, |µ 0

− µ 1|,
norte, y σ.
Ecuación 7. 19 Factores que afectan el poder
(1)Si el nivel de significancia se reduce (α disminuye),z la α

aumenta y por lo tanto
potencia disminuye.
(2)Si la media alternativa se aleja más de la media nula (|µ 0
− µ 1|
aumenta), entonces la potencia aumenta.
(3)Si la desviación estándar de la distribución de observaciones individuales aumenta (σ

aumenta), entonces la potencia disminuye.
(4)Si el tamaño de la muestra aumenta (norteaumenta), entonces la potencia aumenta.
Ejemplo 7.32 Enfermedad Cardiovascular, PediatríaCalcule la potencia de la prueba para los datos de colesterol
del ejemplo 7.31 con un nivel de significancia de 0,01 frente a una media alternativa de 190 mg/dL.
Solución:Si α = .01, entonces la potencia viene dada por
-z.01+ (190 − 175) 10 50- (

- = Φ −2,326 + 15 10 50 )
= Φ(-1,377) = 1 − Φ(1,377) = 1 − ,9158≈8%
que es menor que la potencia del 24% para α = 0,05, calculada en el ejemplo 7.31. ¿Qué
quiere decir esto? Significa que si el nivel α se reduce de 0,05 a 0,01, el error β será mayor o,
de manera equivalente, la potencia, que disminuye de 0,24 a 0,08, será menor.
Ejemplo 7.33 ObstetriciaCalcule la potencia de la prueba para los datos de peso al nacer en el ejemplo 7.30
conm =110
1
oz en lugar de 115 oz.
Solución:Sim =110
1
oz, entonces la potencia está dada por
[−1,645 + (120 − 110)10 24]= Φ(2,522) = 0,994≈99%

que es mayor que la potencia del 67%, como se calcula en el ejemplo 7.30 param =1151
onzas
¿Qué quiere decir esto? Significa que si la media alternativa cambia de 115 oz a 110 oz,
entonces la probabilidad de encontrar una diferencia significativa aumenta del 67% al 99%.
Ejemplo 7.34 CardiologíaCalcule la potencia de la prueba para los datos del tamaño del infarto en el ejemplo 7.13
(p. 218) con σ = 10 y σ = 15 usando una media alternativa de 20 (ck−gramo−Ecualizador/m2) y α = .
05.
Solución:En el ejemplo 7.13,m =25 0ynorte=8. Por tanto, si σ = 10, entonces
potencia = Φ ----1.645 + (25 − 20) 8 10- - = Φ(-0,23)
=1 − Φ(0,23) = 1 − 0,591 = 0,409≈41%
FIGURA 7.7 Curva de potencia para los datos de peso al nacer en el ejemplo 7.2
1.0
.9
Poder =pr(rechazarh0-µ=µ1)
.8
.7
Curva de potencia para
.6 el unilateral
.5 prueba de significancia
.4 dado en la Ecuación 7.14

para el peso al nacer
.3 datos en el ejemplo 7.2
.2
.1
106 108 110 112 114 116 118 120

Peso de nacimiento
mientras que si σ = 15, entonces
potencia = Φ ----1.645 + (25-20) 8 15-- = Φ(-0,702)
=1 − .759 = .241≈24%
¿Qué quiere decir esto? Significa que la probabilidad de encontrar una diferencia significativa
disminuye del 41% al 24% si σ aumenta de 10 a 15.
Ejemplo 7.35 ObstetriciaSuponiendo un tamaño de muestra de 10 en lugar de 100, calcule la potencia de los
datos de peso al nacer del ejemplo 7.30 con una media alternativa de 115 oz y α = 0,05.
Solución:Tenemosm =120
0
onzas,m =115
1
onzas, α = 0,05, σ = 24 ynorte=10. Así,
potencia = Φ --z.05+ (120 − 115) 10 24- - = Φ −1,645 + 5 10 24 ( )

= Φ(-0,986) = 1 − 0,838 = 0,162
¿Qué quiere decir esto? Significa que hay sólo un 16% de posibilidades de encontrar una diferencia
significativa con un tamaño de muestra de 10, mientras que había un 67% de posibilidades con un tamaño
de muestra de 100 (consulte el ejemplo 7.30). Estos resultados implican que si se tomara una muestra de
10 bebés, prácticamente no tendríamos posibilidades de encontrar una diferencia significativa y casi con
seguridad reportaríamos un resultado falso negativo.
Para niveles dados de α (0,05), σ (24 oz),norte(100), yµ (120 onzas),

0
uncurva de potenciaSe
puede extraer el poder de la prueba para varias alternativas.µ.Esta curva
1
de potencia se muestra en
la figura 7.7 para los datos de peso al nacer del ejemplo 7.2. La potencia oscila entre el 99% paraµ
1
=110 oz a aproximadamente 20% cuandom =118
1
onzas.
Alternativas bilaterales
La fórmula de potencia de la ecuación 7.18 es apropiada para una prueba de significancia unilateral
en el nivel α para la media de una distribución normal con varianza conocida. Usar una prueba
bilateral con hipótesish0:m = m0vs.h1:µ ≠ µ0, se utiliza la siguiente fórmula de potencia.
Ecuación 7.20 Poder para una muestrazPrueba de la media de una distribución normal
El poder de la prueba bilateralh:m =0 mvs.h0:µ≠µpara
1
la alternativa
0
específica m = m ,
donde1
la distribución subyacente es normal y la varianza poblacional (σ2) se supone
conocido, viene dado exactamente por
- (µ0−µ1) norte- - (µ1−µ0) norte-
(a) Φ-- z1−α/2 + -+Φ---z1−α/2+ -
-- σ -- -- σ --
y aproximadamente por
- µ0 − µ1 norte-
(b) Φ--z1−α/2 + -
-- σ --
La fórmula de potencia en la ecuación 7.20(a) se muestra en la Figura 7.8.
La derivación de la fórmula se da en la Sección 7.12 (p. 265).

La ecuación 7.20(a) es más tediosa de utilizar de lo que suele ser necesario. Específicamente, si <m ,
µ1 entonces
0
el segundo término suele ser insignificante en relación con el primer término. Sin embargo,
siµ 1 > m0 ,entonces el primer término suele ser insignificante en relación con el segundo término. Allá-
Por lo tanto, la fórmula de potencia aproximada de la ecuación 7.20(b) suele usarse para una
prueba bilateral porque representa el primer término de la ecuación 7.20(a) siµ > µy0 el segundo
1
término de la ecuación 7.20(b) siµ > µ .La potencia
1 0
se muestra en la Figura 7.8. Tenga en cuenta que
la fórmula de potencia aproximada para la prueba bilateral en la Ecuación 7.20(b) es la misma que
la fórmula para la prueba unilateral en la Ecuación 7.18, con α reemplazada por α/2.
Ejemplo 7.36 CardiologíaSe probará un nuevo fármaco de la clase de bloqueadores de los canales de calcio para el
tratamiento de pacientes con angina inestable, una forma grave de angina. Se desconoce el efecto que
tendrá este medicamento sobre la frecuencia cardíaca. Supongamos que se van a estudiar 20 pacientes.
FIGURA 7.8 Ilustración del poder de una prueba bilateral para la media de una distribución normal con
varianza conocida
Potencia = 1 –b Potencia = 1 –b
Frecuencia
Frecuencia
Área =α/2
Área =α/2
0 µ1 µ0 Valor 0 µ0 µ1 Área =α/2

Valor
Área =α/2
µ0+zα/2σ/norte µ0+z1–α/2σ/norte µ0+zα/2σ/norte µ0+z1–α/2σ/norte
(a)µ1<µ0 (b)µ1>µ0
y se sabe que el cambio en la frecuencia cardíaca después de 48 horas tiene una desviación estándar de 10
latidos por minuto. ¿Qué poder tendría un estudio de este tipo para detectar una diferencia significativa en
la frecuencia cardíaca durante 48 horas si se plantea la hipótesis de que el verdadero cambio medio en la
frecuencia cardíaca desde el inicio hasta las 48 horas podría ser un aumento medio o una disminución de 5
latidos por minuto?
Solución:Utilice la ecuación 7.20(b) con σ = 10, |µ 0

− µ 1| =5, α = .05,norte=20. Tenemos
(
potencia = Φ −z1-.05/2+ 5 20 10 = Φ(-1,96 + 2,236) = Φ(0,276) = 0,609≈ .61 )
Por tanto, el estudio tendría un 61% de posibilidades de detectar una diferencia significativa.
Uso de la computadora para estimar la potencia

Existen numerosos programas informáticos que se pueden utilizar para calcular la potencia.
Uno de los más fáciles de usar y más completos es el comando sampsi de Stata. Supongamos
que deseamos implementar la fórmula de potencia de la ecuación 7.20. Usaríamos la sintaxis
valor medio de sampsi, sd(xx) n(yy) una muestra

dóndem =valor,m
0
=media,
1
σ = xx, tamaño de muestra = yy. En Stata, las opciones para cada
comando se especifican después de una coma (,). La opción de una muestra indica que se
desea potencia para una muestratprueba (en lugar de una prueba de dos muestrastprueba,
que se tratará en el Capítulo 8).
Ejemplo 7.37 OftalmologíaSupongamos que consideramos el estudio propuesto de un nuevo fármaco para
prevenir el glaucoma entre personas con presión intraocular (PIO) alta presentado en el
ejemplo 7.29 (p. 232). Estimamos que después de usar el fármaco durante un mes, la PIO
media disminuye 5 mm Hg con una desviación estándar = 10 mm Hg. ¿Cuánta potencia
tendremos para demostrar una diferencia significativa si se utiliza una prueba bilateral con α
= 0,05 y se inscriben 30 pacientes?
Solución:Usamos el comando sampsi de Stata con los siguientes resultados:
. muestra 0 -5, sd(10) n(30) una muestra
Poder estimado para la comparación de una muestra de la media con el valor hipotético
Prueba Ho: m = 0, donde m es la media de la población
Supuestos:
alfa = 0,0500 (dos caras)
alternativa m = -5
dt = 10
tamaño de la muestra n = 30
Potencia estimada:
potencia = 0,7819
Vemos que tendremos un 78% de poder para detectar una diferencia significativa. Utilizamos una
prueba bilateral porque es un fármaco nuevo y a priori se desconoce si la PIO media aumentaría o
disminuiría después de usar el fármaco.
7.7 Determinación del tamaño de la muestra 239
7.7muestra E - s I z E d E t E rm I n at I on
Alternativas unilaterales
Para fines de planificación, con frecuencia necesitamos alguna idea de un tamaño de muestra apropiado
para la investigación antes de que realmente comience un estudio. Un posible resultado de hacer estos
cálculos es descubrir que el tamaño de muestra apropiado está mucho más allá de los medios financieros
del investigador y, por lo tanto, abandonar la investigación propuesta. Evidentemente, llegar a esta
conclusión antes de que comience un estudio es mucho mejor que después de que esté en marcha.
¿Qué significa realmente “un tamaño de muestra apropiado para la investigación”?

Considere los datos sobre el peso al nacer del ejemplo 7.2. Estamos probando la hipótesis
nula.
0
m la hipótesis alternativah:m = m1 ,suponiendo
h:m 0=vs. 1
que la distribución de
el peso al nacer es normal en ambos casos y que se conoce la desviación estándar σ.
Presumiblemente vamos a realizar una prueba con nivel de significancia α y tenemos alguna
idea de cuál es la magnitud de la media alternativa.µes probable
1
que sea. Si la prueba pro-
Se utiliza el procedimiento de la ecuación 7.14, 0
sería rechazado siz<zo equivalente
α
o
entoncesh siX<µ0+zασnortey aceptado siz≥z α
equivalente siX≥ µ0+zασnorte. Suponer
la hipótesis alternativa es realmente cierta. El investigador debe tener alguna idea de cuál le
gustaría que fuera la probabilidad de rechazarhestar en este caso. Esta
0
probabilidad no es,
por supuesto, otra cosa que la potencia, o 1 − β. Los valores típicos para la potencia deseada
son 80%, 90%, . . . , Etcétera. El problema de determinar tamaño de la muestrase puede
resumir de la siguiente manera: Dado que se realizará una prueba de significancia unilateral
en el nivel α y que se espera que la verdadera media alternativa seam , ¿Qué tamaño de 1
muestra se necesita para poder detectar una diferencia significativa con probabilidad 1 − β?
La situación se muestra en la Figura 7.9.
En la Figura 7.9, la distribución muestral subyacente deXse muestra bajo las
hipótesis nula y alternativa, respectivamente, y el valor crítico0+zασnorteha sido
identificado.hserá rechazado
0
siX<µ0+zασnorte. Por lo tanto, el área a la izquierda de
0+zασnortedebajo de la curva más a la derecha está α. Sin embargo, también queremos que el área a la
izquierda deµ0+zασnortebajo la curva más a la izquierda, que representa la potencia, es 1 - β.
FIGURA 7.9 Requisitos para un tamaño de muestra adecuado
h1 h0
distribución distribución
Área = 1 –b
Frecuencia
Aceptación
región
Rechazo
región
0 µ1 µ0 Valor
Área =α
µ0+zασ/norte
Estos requisitos se cumplirán sinortese hace lo suficientemente grande, porque la varianza de cada
curva (σ2/norte) disminuirá a medida quenorteaumenta y así las curvas se separarán. De la fórmula
de potencia de la ecuación 7.18 (p. 234),
(
potencia = Φ zα+ µ0−µ1 norteσ =1 − β )
queremos resolvernorteen términos de α, β,
0
|µ1 − µ |,y σ. Para lograr esto, recuerde que
Φ(z)1-β=1 − β y por lo tanto,
α+ µ0−µ1 nortes =z1-β
Sustraerz α
de ambos lados de la ecuación y multiplicar por σ/|µ 0
− µ |para
1
obtener
(−z +z α 1-β )σ
norte =
µ0−µ1
Reemplazar -z α porz1-α y eleva al cuadrado ambos lados de la ecuación para obtener
(z )σ
22
1-α+z1-β
= 2
(µ0−µ1)
De manera similar, si tuviéramos que probar la hipótesis
h0:m = m0 vs. h1:m = m1>µ0
como fue el caso con los datos de colesterol en el ejemplo 7.1, usando un nivel de significancia de α y una potencia
de 1 − β, entonces, a partir de la ecuación 7.18, se aplicaría la misma fórmula para el tamaño de la muestra. Este
procedimiento se puede resumir de la siguiente manera.
Ecuación 7.21 Estimación del tamaño de la muestra al probar la media de una distribución normal
(alternativa unilateral)
Supongamos que deseamos probar
h:m = m vs. h:m = m
donde los datos se distribuyen normalmente con mediaµy varianza conocida σ2. Eltamaño de
la muestranecesario para realizar una prueba unilateral con nivel de significancia α y
probabilidad de detectar una diferencia significativa = 1 − β es
σ2 z ( 1-β+z1-α )
2
norte=
2
(µ0−µ1)
Ejemplo 7.38 Obstetricia Considere los datos sobre el peso al nacer del ejemplo 7.2. Supongamos que µ0= 120 oz,
µ1 =115 oz, σ = 24, α = 0,05, 1 − β = 0,80 y utilizamos una prueba unilateral. Calcule el tamaño de
muestra apropiado necesario para realizar la prueba.
242(z.8 + z. 95) 2
Solución: norte= =23,04(0,84 + 1,645)2= 23,04(6,175) = 142,3
25
El tamaño de la muestra siempre se redondea hacia arriba, por lo que podemos estar seguros de alcanzar
al menos el nivel de potencia requerido (en este caso, 80%). Por lo tanto, se necesita un tamaño de
muestra de 143 para tener un 80% de posibilidades de detectar una diferencia significativa al nivel del 5%
si la media alternativa es 115 oz y se utiliza una prueba unilateral.
Observe que el tamaño de la muestra es muy sensible a la media alternativa elegida. Vemos en
la Ecuación 7.21 que el tamaño de la muestra es inversamente proporcional a (µ Por lo tanto,
0
−siµel1)2.
valor absoluto de la distancia entre las medias nula y alternativa se reduce a la mitad, entonces el
tamaño de muestra necesario es cuatro veces mayor. De manera similar, si la distancia entre las
medias nula y alternativa se duplica, entonces el tamaño de muestra necesario es 1/4 mayor.
Ejemplo 7.39 ObstetriciaCalcule el tamaño de la muestra para los datos de peso al nacer en el ejemplo 7.2
si1m =110 oz en lugar de 115 oz.
Solución:El tamaño de muestra requerido sería 1/4 del tamaño porque (µ − µ )02= 1001 en lugar
de 25. Por lo tanto,norte=Se necesitarían 35,6, o 36 personas.
Ejemplo 7.40 Enfermedad Cardiovascular, PediatríaConsidere los datos sobre colesterol del ejemplo 7.1.
Supongamos que la media nula es 175 mg/dL, la media alternativa es 190 mg/dL, la
desviación estándar es 50 y deseamos realizar una prueba de significación unilateral al nivel
del 5% con una potencia del 90%. ¿Qué tamaño debe tener la muestra?
σ2(z1-β+z1-α ) 2502 (z.9+z.95) 2

Solución: norte= =
(μ0−µ2 1) (190-175)2
2500(1,28 + 1,645)2 2500(8,556)
= 2 = =95.1
15 225
Por tanto, se necesitan 96 personas para alcanzar una potencia del 90% utilizando un nivel de significancia
del 5%. No debería sorprendernos que no encontráramos una diferencia significativa con un tamaño de
muestra de 10 en el ejemplo 7.18.
Según la ecuación 7.21, el tamaño de muestra requerido está relacionado con las siguientes cuatro
cantidades.
Ecuación 7.22 Factores que afectan el tamaño de la muestra
(1)El tamaño de la muestra aumenta como σ2aumenta.
(2)El tamaño de la muestra aumenta a medida que el nivel de significancia se hace más pequeño
(αdisminuye).
(3)El tamaño de la muestra aumenta a medida que aumenta la potencia requerida (aumenta 1 - β).
(4)El tamaño de la muestra disminuye a medida que el valor absoluto de la distancia entre la
media nula y alternativa (|µ 0
− µ 1|)aumenta.
Ejemplo 7.41 Obstetricia¿Qué pasaría con la estimación del tamaño de la muestra en el ejemplo 7.38
si σ aumentara a 30? ¿Si α se redujera a .01? ¿Si la potencia requerida se aumentara al
90%? ¿Si la media alternativa se cambiara a 110 oz (manteniendo todos los demás
parámetros iguales en cada caso)?
Solución:En el ejemplo 7.38 vemos que es necesario estudiar 143 bebés para lograr una potencia
del 80% usando un nivel de significancia del 5% con una media nula de 120 oz, una media
alternativa de 115 oz y una desviación estándar de 24 oz.
Si σ aumenta a 30, entonces necesitamos
2
norte=302(z.8+z.95) (120 - 115)=900(0,84 + 1,645)225 = 222,3, o 223 bebés
2
Si α se redujera a .01, entonces necesitamos
=24(2z.8
2
+ z. 99) (120 - 115)2= 576(0,84 + 2,326)2 25 = 230,9, o 231 bebés
Si 1 − β se aumentara a 0,9, entonces necesitamos
norte=24(z.9
2
+ z). 95
2(120 - 115)2= 576(1,28 + 1,645)2 25 = 197,1, o 198 bebés
Siµse
1
reduce a 110 o, equivalentemente, si |µ − µ |se0 incrementa
1
de 5 a 10, entonces
necesitamos
=242(z.8+z.95)
2
(120 − 110)2= 576(0,84 + 1,645)2100 = 35,6, o 36 bebés
Por lo tanto, el tamaño de muestra requerido aumenta si σ aumenta, α disminuye o 1 − β
aumenta. El tamaño de muestra requerido disminuye si aumenta el valor absoluto de la
distancia entre la media nula y la alternativa.
Una pregunta que surge es cómo estimar los parámetros necesarios para calcular el tamaño de
la muestra. Generalmente es fácil especificar la magnitud de la media nula (µ). De manera similar,0
por convención el error tipo I (α) generalmente se establece en 0,05. Cuál debería ser el nivel de
potencia es algo menos claro, aunque la mayoría de los investigadores parecen sentirse incómodos
con una potencia inferior a 0,80. Los valores apropiados paraµy σ2 1
suelen ser desconocidos. Los parametrosµ 1
, σ2puede obtenerse de trabajos previos o del
conocimiento previo de la distribución subyacente. En ausencia de dicha información, el
parámetroµa veces
1
se estima evaluando lo quecientíficamente importante
diferencia|µ 0 − µ 1|estaría en el contexto del problema que se está estudiando. Conductible
A veces resulta valioso realizar un pequeño estudio piloto. Un estudio de este tipo es generalmente
económico y uno de sus principales objetivos es obtener estimaciones
1
deµy σ2con el fin de estimar el
tamaño de muestra necesario para llevar a cabo la investigación principal.
Tenga en cuenta que la mayoría de las estimaciones del tamaño de la muestra son “estimaciones
aproximadas” debido a la inexactitud en la estimación.µy
1
σ2. Estas estimaciones se utilizan a menudo simplemente
para comprobar que el tamaño de muestra propuesto para un estudio se acerca a lo que realmente se necesita, en
lugar de identificar un tamaño de muestra preciso.
Determinación del tamaño de la muestra (alternativas bilaterales)

La fórmula del tamaño de la muestra dada en la Ecuación 7.21 fue apropiada para una prueba de
significación unilateral en el nivel α para la media de una distribución normal con varianza conocida.
Si no se sabe si la media alternativa (µ)es mayor o menor que1la media nula (µ),entonces una
prueba bilateral
0
es apropiada y el tamaño de muestra correspondiente necesario para realizar un
estudio con potencia 1 − β viene dado por
Ecuación 7.23 Estimación del tamaño de la muestra al probar la media de una distribución normal
Supongamos que deseamos probarh0:m = m 0
vs.h:m 0= m ,donde
1
normalmente se encuentran los datos
distribuido con mediaµy varianza conocida σ2. El tamaño de muestra necesario para realizar
una prueba bilateral con nivel de significancia α y potencia 1 − β es
( )
2
σ2 z1-β+z1−α/2
(µ0 − µ1)2
norte=
Tenga en cuenta que este tamaño de muestra es siempre mayor que el tamaño de muestra correspondiente
para una prueba unilateral, dado en la Ecuación 7.21, porquez 1−α/2
Es mas grande quez 1-α.
El
La derivación de la ecuación 7.23 se da en la sección 7.12.
Ejemplo 7.42 CardiologíaConsidere un estudio del efecto de un agente bloqueador de los canales de calcio sobre la
frecuencia cardíaca en pacientes con angina inestable, como se describe en el ejemplo 7.36 (p. 237).
Supongamos que queremos al menos un 80% de potencia para detectar una diferencia significativa si el
efecto del fármaco es cambiar la frecuencia cardíaca media en 5 latidos por minuto durante 48 horas en
cualquier dirección y σ = 10 latidos por minuto. ¿Cuántos pacientes deberían inscribirse en un estudio de
este tipo?
Solución:Suponemos α = 0,05 y σ = 10 latidos por minuto, como en el ejemplo 7.36. Tenemos la intención
de utilizar una prueba bilateral porque no estamos seguros en qué dirección cambiará la frecuencia
cardíaca después de usar el medicamento. Por lo tanto, el tamaño de la muestra se estima utilizando la
formulación bilateral de la Ecuación 7.23. Tenemos
( )
2
σ2 z1-β+z1−α/2
=
(µ0−µ1 )2
= 102(z.8+z.975
)2 =
100(0,84 + 1,96)2
52 25
=4(7,84) = 31,36, o 32 pacientes
Por lo tanto, se deben estudiar 32 pacientes para tener al menos un 80% de posibilidades de
encontrar una diferencia significativa usando una prueba bilateral con α = 0,05 si el cambio medio
verdadero en la frecuencia cardíaca por el uso del fármaco es de 5 latidos por minuto. Obsérvese
que en el ejemplo 7.36 los investigadores propusieron un estudio con 20 pacientes, lo que
proporcionaría sólo un 61% de poder para probar la hipótesis anterior, lo que habría sido
inadecuado.
Si se conociera bien la dirección del efecto del fármaco sobre la frecuencia cardíaca, entonces
podría justificarse una prueba unilateral. En este caso, el tamaño de muestra apropiado podría
obtenerse a partir de la formulación unilateral de la Ecuación 7.21, donde
( )
2
102(z.8 + z.95 )
2
σ2 z1-β+z1-α
= =
(µ0 − µ1)2 52
100(0,84 + 1,645)2
= =4(6,175) = 24,7, o 25 pacientes
25
Por lo tanto, necesitaríamos estudiar sólo 25 pacientes para una prueba unilateral en lugar de los 32
pacientes necesarios para una prueba bilateral.
Uso de la computadora para estimar el tamaño de la muestra
El programa Stata sampsi también se puede utilizar para calcular el tamaño de la muestra. Supongamos que
deseamos implementar la fórmula del tamaño de muestra de la ecuación 7.23 para calcular el tamaño de muestra
necesario para el modelo de una muestra.tprueba. La sintaxis es la siguiente:
valor medio de sampsi, sd(xx) potencia(0.yy) una muestra
donde µ 0
=valor, µ =1 media, σ = xx y potencia = 0.yy.
Ejemplo 7.43 OftalmologíaSupongamos que consideramos el estudio propuesto de un nuevo fármaco para prevenir el
glaucoma entre personas con presión intraocular (PIO) alta presentado en el ejemplo 7.29 (p. 232). En el
ejemplo 7.37 (p. 238) obtuvimos la potencia del estudio para un tamaño de muestra preespecificado de
norte=30. Supongamos, en cambio, que el tamaño de la muestra es flexible.
ible y deseamos determinar el tamaño de muestra necesario para alcanzar el 90% de potencia utilizando
una prueba bilateral con α = 0,05. ¿Cuántas materias debemos matricular?
Solución:Usamos el comando sampsi de Stata con sintaxis
sampsi 0 -5, sd(10) potencia(0,90) una muestra El

resultado es el siguiente:
. sampsi 0 -5, sd(10) potencia(0,90) una muestra
Tamaño de muestra estimado para la comparación de una muestra de la media con el
valor hipotético Prueba Ho: m = 0, donde m es la media de la población Supuestos:
alfa = 0,0500 (dos caras)

fuerza = 0.9000
alternativa m = −5
=
Dakota del Sur 10
Tamaño de muestra requerido estimado:
norte = 43
Vemos que necesitamos inscribir 43 sujetos para lograr el 90% de potencia. En general, si se especifica previamente el
tamaño de la muestra, entonces se necesita un cálculo de potencia; Si el tamaño de la muestra es flexible y la potencia está
preespecificada, entonces se necesita un cálculo del tamaño de la muestra.
Estimación del tamaño de la muestra basada en el ancho del CI
En algunos casos, es bien sabido que el tratamiento tiene un efecto significativo sobre algún
parámetro fisiológico. En cambio, el interés se centra en estimar el efecto con un
determinado grado de precisión.
Ejemplo 7.44 CardiologíaSupongamos que es bien sabido que el propranolol reduce la frecuencia cardíaca durante 48
horas cuando se administra a pacientes con angina en niveles de dosis estándar. Se propone un nuevo
estudio utilizando una dosis de propranolol más alta que la estándar. Los investigadores están interesados
en estimar la caída de la frecuencia cardíaca con alta precisión. ¿Cómo se puede hacer esto?
Supongamos que cuantificamos la precisión de la estimación por el ancho del 100% bilateral.× (
1 − α) CI. Según la ecuación 6.6, el 100% bilateral× (1 − α) IC param = La verdadera disminución de la
frecuencia cardíaca esX±tnorte−1,1−α/2sn. El ancho de este CI es2tnorte−1,1−α/2sn. Si deseamos que este
intervalo no sea más ancho quel, entonces
tnorte−1,1−α/2sn=l
Multiplicamos ambos lados de la ecuación por norte Ly obtener
tnorte−1,1−α/2sl=norte
o, al elevar ambos lados al cuadrado,
=4t2norte−1,1−α/2 s2l 2
7.8 χ de una muestra2Prueba de varianza de una distribución normal 245
Generalmente nos aproximamost norte−1,1−α/2

porz1−α/2 y obtener el siguiente resultado:
Ecuación 7.24 Estimación del tamaño de la muestra basada en el ancho del CI
Supongamos que deseamos estimar la media de una distribución normal con muestra
diferencias2y requieren que los dos lados 100%× (1 − α) IC paraµno ser más ancho quel.
El número de sujetos necesarios es aproximadamente
norte=4z1−α/2
2
s2l 2
Ejemplo 7.45 CardiologíaEncuentre el tamaño de muestra mínimo necesario para estimar el cambio en la frecuencia
cardíaca (µ)en el ejemplo 7.44 si requerimos que el IC bilateral del 95% paraµno debe ser mayor que 5
latidos por minuto y la desviación estándar de la muestra para el cambio en la frecuencia cardíaca es igual
a 10 latidos por minuto.
Solución:Tenemos α = .05,s=10,l=5. Por lo tanto, de la Ecuación 7.24,

2 2
norte=4(z ). 975 (10) (5) 2
=4(1,96)2(100) 25 = 61,5
Por tanto, es necesario estudiar a 62 pacientes.
revisar preguntas 7 b
1 En el estudio de DMO mencionado en el estudio de caso 2 (p. 32), la diferencia de peso
media entre el gemelo que fumaba más y el gemelo que fumaba menos fue −5,0% ±
revisar
3,1% (media ±sí) basado en 41 pares (expresado como porcentaje de la media del par).
¿Existe una diferencia significativa de peso entre el gemelo que fuma más y el que fuma
menos?
2 ¿Cuál es el poder de una prueba? ¿Qué factores afectan la potencia y de qué manera?
3 ¿Qué factores afectan la estimación del tamaño de la muestra para un estudio? ¿Cuál es la diferencia
principal entre una estimación de poder y una estimación del tamaño de la muestra? ¿Cuándo usamos cada
uno?
7.8en E - muestra E de χ2t E stforth E var I anc E

anormal distribución
Ejemplo 7.46 HipertensiónConsidere el ejemplo 6.39, relativo a la variabilidad de las mediciones de
presión arterial tomadas en una máquina Arteriosonda. Nos preocupaba la diferencia
entre las mediciones tomadas por dos observadores en la misma persona = d=X
i 1i
− X2,dónde
i
X 1i =la medida en eliª persona por el primer observador
yX 2i
=la medida en eliª persona por el segundo observador. Asumamos
esta diferencia es una buena medida de la variabilidad interobservador y queremos comparar
esta variabilidad con la variabilidad utilizando un manguito de presión arterial estándar.
Tenemos motivos para creer que la variabilidad de la máquina Arteriosonda puede diferir de
la de un manguito estándar. Intuitivamente, pensamos que la variabilidad de los nuevos
El método debe ser menor. Sin embargo, debido a que el nuevo método no se utiliza tan
ampliamente, los observadores probablemente tengan menos experiencia en su uso; por lo tanto,
la variabilidad del nuevo método posiblemente podría ser mayor que la del método antiguo. Por
tanto, se utiliza una prueba bilateral para estudiar esta cuestión. Supongamos que sabemos por un
trabajo publicado anteriormente que σ2= 35 para
i
dobtenido del manguito estándar. Queremos
para probar la hipótesish0: σ2= σ2 0= 35vs.h1: σ2≠σ2 0. h¿Cómo deberíamos realizar esto?
¿prueba?
SiX,.1 . .,X son una muestra aleatoria, entonces podemos basar razonablemente la prueba en
norte
s2porque es un estimador insesgado de σ2. Sabemos por la ecuación 6.15 que si X,. . .,X
1 norte
son una muestra aleatoria de unnorte(μ, σ2) distribución, luego bajoh, 0
X2= (norte−1)S2
~ χ2
σ2
norte−1
Por lo tanto,
(
pr X2< χ2 norte−1,α/2)= α/2 =pr(X 2>
2
χnorte−1,1−α/2 )
Por lo tanto, el procedimiento de prueba se proporciona de la siguiente manera.
Ecuación 7.25 Una muestra χ2Prueba de varianza de una distribución normal (alternativa bilateral)
Calculamos el estadístico de prueba.X2= (norte−1)s2σ2 0.

2
SiX2< χ2 norte−1,α/2o
X2> χnorte−1,1−α/2, entoncesh0 se rechaza.
2
Si χ2norte, −1
/ α 2≤X2≤ χnorte−1,1−α/2, entoncesh
0 es aceptado.
Alternativamente, es posible que deseemos calcular unpag-valor para nuestro experimento. La computadora
ción de lapag-el valor dependerá de si2≤σ2os2> σ20 0.La regla se da de la siguiente manera.
Figura 7. 10 Regiones de aceptación y rechazo para una muestrab2prueba de la varianza de una

distribución normal (alternativa bilateral)
(norte–1)S2
Distribución deX2= bajoh0
σ02
Frecuencia
Aceptación
región
Región de rechazo
0
0 Valor
Región de rechazo χnorte
2 χnorte
2
–1,α/2 –1, 1 –α/2
7.8 χ de una muestra2Prueba de varianza de una distribución normal 247
Ecuación 7.26 pag-Valor para una muestra χ2Prueba de varianza de una distribución normal
(norte−1)s2
Deja que la estadística de pruebaX2= .
σ20
Sis2≤σ2 0, entoncespag-valor = 2× (zona a la izquierda deX2bajo una χ2 norte−1distribución).
Sis2> σ2 0, entoncespag-valor = 2× (área a la derecha deX2bajo una χ2 norte−1distribución).
Elpag-los valores se ilustran en la Figura 7.11.
Ejemplo 7.47 HipertensiónEvalúe la significancia estadística de los datos de la máquina de arteriosonda en el

ejemplo 7.46.
Solución:Sabemos por el ejemplo 6.39 ques2=8.178,norte=10. A partir de la ecuación 7.25,

calculamos el estadístico de pruebaX2dada por
(norte−1)s2 9(8.178)
X=2 = =2.103
σ02 35
Figura 7. 11 Ilustración del valor p para una χ de una muestra2prueba de la varianza de

una distribución normal (alternativa bilateral)
χn2orte–1distribución
Frecuencia
pag/2
2
Sis2≤ 0,
entoncespag-valor =
2×Area sombreada.
0
0 X2 Valor
χn2orte–1distribución
2
Sis2> 0,
Frecuencia
entoncespag-valor =
2×Area sombreada.
pag/2
0
0 X2 Valor
TABLA 7.2 Cálculo del exactopag-valor para los datos de la máquina de arteriosonda en el ejemplo 7.47
usando una muestra χ2prueba con Microsoft Excel
Microsoft Excel
X 2.103
df 9
cdf = DISTR.CHID(2.103,9) 0.989732
valor p(1 cola) = 1 – DISTR.CHID(2.103,9) valor p(2 colas) = 0.010268
2×[1 – DISTR.CHID(2.103,9)] 0.020536
Bajoh,X2sigue0
una χ2distribución con 9 grados de libertad. Por lo tanto, la
los valores críticos sonχ2 9,025= 2,70 yχ2 9,.975= 19,02. PorqueX2= 2,103 < 2,70, se sigue
bajos quehse0rechaza usando una prueba bilateral con α = .05. Para obtener elpag-valor,
consulte la ecuación 7.26. Porques2= 8,178 < 35 = σ2 0, elpag-el valor se calcula como
sigue:
pag=2×pr χ29< 2.103 ( )

En la Tabla 6 del Apéndice vemos que
2 2
9,025= 2,70, χ9,.01 = 2,09
Por lo tanto, como 2,09 < 2,103 < 2,70, tenemos 0,01<pag/2 < .025 o .02 <pag <.05.
Para obtener la exactapag-valor, use Microsoft Excel para evaluar áreas bajo χ2
distribución. La función DISTR.CHID calcula el área a la derecha de 2.103 para un
2
9distribución = .9897. Por lo tanto, reste de 1 y multiplique por 2 para obtener la cifra exacta de
dos lados.pag-valor = .021. Los detalles se dan en la Tabla 7.2.
Por lo tanto, los resultados son estadísticamente significativos y concluimos que la varianza
entre observadores que utiliza la máquina Arteriosonde difiere significativamente de la varianza
entre observadores que utiliza el manguito estándar. Para cuantificar qué tan diferentes son las dos
varianzas, se utiliza un IC del 95% bilateral para σ2podría obtenerse, como en el ejemplo 6.42. Este
intervalo fue (3,87, 27,26). Por supuesto, no contiene 35 porque elpag-el valor es inferior a 0,05.
En general, el supuesto de normalidad es particularmente importante para la prueba de

hipótesis y la estimación del IC para varianzas. Si este supuesto no se cumple, entonces las regiones
Consulte la página 185 críticas ypag-Los valores de las Ecuaciones 7.25 y 7.26 y los límites de confianza de la Ecuación 6.11
para Ecuación 6. 11 no serán válidos.
En esta sección hemos presentado launa muestraχ2prueba de variaciones, que se
utiliza para probar hipótesis sobre la varianza de una distribución normal. Comenzando
en el cuadro "Inicio" del diagrama de flujo (Figura 7.18, p. 268), llegamos al valor χ de
una muestra2Pruebe las varianzas respondiendo sí a cada una de las siguientes tres
preguntas: (1) ¿una variable de interés? (2) ¿problema de una muestra? y (3) la
distribución subyacente es normal o ¿se puede suponer que se cumple el teorema del
límite central? y al responder no a (4) la inferencia relativa am?y sí a (5) ¿la inferencia
relativa a σ?
7.9 Inferencia de una muestra para la distribución binomial 249
7.9en E - muestra EI nf E r Enc E adelante E b I nom I ald I str I pero I on
Métodos de la teoría normal

Ejemplo 7.48 CáncerConsidere los datos sobre el cáncer de mama del ejemplo 6.45. En ese ejemplo estábamos interesados en
el efecto de tener antecedentes familiares de cáncer de mama sobre la incidencia de cáncer de mama.
Supongamos que 400 de las 10 000 mujeres de entre 50 y 54 años de la muestra cuyas madres tuvieron cáncer de
mama también tuvieron cáncer de mama en algún momento de sus vidas. Teniendo en cuenta los estudios de gran
tamaño, supongamos que la tasa de prevalencia del cáncer de mama entre las mujeres estadounidenses en este
grupo de edad es aproximadamente del 2%. La pregunta es: ¿Cuán compatible es la tasa de muestreo del 4% con
una tasa de población del 2%?
Otra forma de formular esta pregunta es reformularla en términos de prueba de
hipótesis: sipag=tasa de prevalencia de cáncer de mama en mujeres de 50 a 54 años cuyas
madres han tenido cáncer de mama, entonces queremos probar la hipótesis
0
h:pag= .02 =pag
0
vs.1 h:pag≠ .02. ¿Cómo se puede hacer esto?
La prueba de significancia se basa en la proporción muestral de casos.pag. Suponga

que la aproximación normal a la distribución binomial es válida. Esta suposición es
razonable cuandonpq 0 0
≥5. Por lo tanto, de la Ecuación 6.17 sabemos que
bajoh 0
- pq
00 -
pag~norte-pag0,
- --
norte
Es más conveniente estandarizarpag. Para ello restamos el valor esperado depagbajoh=

pagy dividir por el error
0
estándar
0
depagbajoh0=pag0q0norte, creando la estadística de
pruebazdada por
pag−pag0
z=
pag0q0norte
De ello se deduce que bajoh,z0 ~ norte(0,1).
Sin embargo, se obtiene una mejor aproximación del binomio por la distribución normal si
utilizamos una versión del estadístico de prueba corregida por continuidad. Específicamente
Sipag<pag,entonces
0
1
pag−pag0+
z= 2norte,
pag0q0 norte
mientras que sipag≥pag,entonces

0
1
pag−pag0−
z= 2norte.
pag0q0 norte
Podemos generalizar estas expresiones definiendo:

1
pag−pag0−
2norte,
zcorri=
pag0q0 norte
y para una prueba bilateral en el nivel α, rechazando si z corri

>z 1−α/2 .
Figura 7. 12 Regiones de aceptación y rechazo para el método de teoría normal de prueba

binomial de una muestra (alternativa bilateral)
norte(0, 1) distribución
Frecuencia
Región de rechazo
0
0 z1– /2
Valor
Por tanto, la prueba toma la siguiente forma.
Ecuación 7.27 Prueba de una muestra para una proporción binomial: método de teoría normal (alternativa
bilateral)
-ˆ 1-
Deja que la estadística de pruebazcorri= -pag−pag0−
- - pag0q0 norte.
2norte-
Siz corri
> z1−α/2 , entonces
0
hse rechaza. Siz corri
<z 1−α/2
, entoncesh
0
es aceptado. Esta prueba
sólo debe usarse sinpq≥5. 0 0
Las regiones de aceptación y rechazo se muestran en la Figura 7.12.
Alternativamente, unpag-Se podría calcular el valor, donde
pag-valor = 2×área a la derecha dezcorri

bajo unnorte(0, 1) curva
Esto se resume a continuación.
Ecuación 7.28 Cálculo de lapag-Valor para la prueba binomial de una muestra: método de teoría
normal (alternativa bilateral)
- 1-
Deja que la estadística de pruebazcorri= -pagˆ −pag0− - pag00qn.
- 2norte-
Elpag-valor = 2× [1 − Φ(z)] =el

corri
doble del área a la derecha dez curva.
corri
bajo unnorte(0, 1)
El cálculo de lapag-el valor se ilustra en la Figura 7.13.
Alternativamente, también podemos calcular
- 1 -2
-pag−pag 0 −
-
X2corri= ∼ χ21bajoh,
norte 2 --
0
pag0q0 norte
conpag-valor dado por
pag=pr χ21>X2 ( corri ).

Esto es lo mismopag-valor obtenido conz corri
en la Figura 7.13.
Figura 7. 13 Ilustración de lapag-valor para una prueba binomial de una muestra: método de la teoría
normal (alternativa bilateral)
pag-valor = 2×área
norte(0, 1) distribución a la derecha dezcorribajo un
norte(0, 1) curva.
Frecuencia
pag/2
0
0 z Valor
Estas definiciones de unpag-valor son nuevamente compatibles con la idea de unpag-valor

como la probabilidad de obtener resultados tan extremos o más extremos que los resultados de
nuestra muestra particular.
Ejemplo 7.49 CáncerEvalúe la significancia estadística de los datos del ejemplo 7.48.
Solución:Utilizando el método del valor crítico, calculamos el estadístico de prueba.
1
pag−pag0−
2norte
zcorri=
pag0q0norte
1
. 04 − .02 −
2(10.000) . 0200
= = =14.3
. 02(0,98) 10.000 . 0014
Porquez 1−α/2 =z . 975 =1.96, se deduce queh 0 se puede rechazar usando una prueba de dos colas
con α = .05. Para calcular elpag-valor, tenemos
pag-valor = 2×[1 − Φ(zcorri)]

=2×[1 − Φ(14.3)]< .001
Por tanto, los resultados son muy significativos.
Uso de la computadora para realizar la prueba binomial de una muestra

(método de la teoría normal)
Podemos usar el comando prop.test de R para implementar la versión de muestra grande de la
prueba binomial de una muestra. La sintaxis de este comando es:
prop.test(x, n, p = p0, alternativa = “dos lados”, correcto = VERDADERO)
donde x = número de éxitos, n = número de intentos y p0 es el valor de p bajo H. 0
Ejemplo 7.50 ObstetriciaSupongamos que en la población general, el 20% de las mujeres que están intentando
concebir tardan 12 meses o más en quedar embarazadas (lo que definiremos como infertilidad).
Supongamos que se propone un SNP que puede afectar la infertilidad. El SNP tiene 2 genotipos.
(a,c) del cual el alelo c es el tipo salvaje y el alelo a puede ser un alelo mutante. En un estudio
piloto, se genotipifica este SNP a 200 mujeres que están intentando quedar embarazadas. Se
encuentra que entre 40 mujeres que son homocigotas para el SNP (es decir, que tienen el
genotipo aa), 10 son infértiles según la definición anterior. Pruebe si esto representa una
diferencia significativa en la tasa de infertilidad entre mujeres homocigotas (en comparación
con la población general de mujeres que intentan quedar embarazadas).
Solución:Usaremos el comando prop.test de R para resolver este problema. Usamos la

sintaxis:
prop.test(10, 40, p = 0.20, alternativa = “dos.lados”, correcto = VERDADERO). Los resultados se dan
en la Tabla 7.3.
TABLA 7.3 Resultados del estudio del gen de la infertilidad utilizando R
> prop.test(10,40, p=0.20, alternativa=”dos.lados”, correcto = VERDADERO) Prueba de

proporciones de 1 muestra con corrección de continuidad
datos: 10 de 40, probabilidad nula 0,2 X cuadrado = 0,3516, gl = 1,
valor p = 0,5532 hipótesis alternativa: p verdadero no es igual a 0,2
Tenga en cuenta queRutiliza la versión chi-cuadrado de la prueba binomial de una muestra grande
para muestras grandes. Elpag-valor = 0,55, lo que indica que no existe una diferencia significativa
entre la tasa de infertilidad de las mujeres que son homocigotas para este SNP (es decir, que tienen
el genotipo aa) y la tasa de infertilidad de la población general.
Métodos exactos
El procedimiento de prueba presentado en las ecuaciones 7.27 a 7.28 para probar la hipótesis.h:pag=0
pag
0
vs.h:pag
1
≠pag 0
depende del supuesto de que la aproximación normal a la
la distribución binomial es válida. Esta suposición sólo es cierta sinpq ¿Se
00
≥5. ¿Cómo puede el
puede probar la hipótesis anterior si no se cumple este criterio?
Basaremos nuestra prueba enexactoprobabilidades binomiales. En particular, dejemosX
ser una variable aleatoria binomial con parámetrosnorteypag
0
y dejapag=xn, dóndeXes el
número observado de eventos. El cálculo de lapag-el valor depende de si pag≤pag0opag>pag
0. Sipag≤pag0, entonces
pag2 =pr(≤Xéxitos ennorteensayos |h0)

X
0(1-kpag0)
= ∑-norte- pag
norte−k
-- --
k =0 k
Sipag>pag0, entonces
pag2 =pr(≥Xéxitos ennorteensayos |h0)
0(1-pag0)
norte
= ∑-norte
norte−k
- -pag
- k
k=X-k-
Esto se resume a continuación.
Figura 7. 14 Ilustración de lapag-valor para una prueba binomial de una muestra: método exacto
Sipag≤pag0, entonces Sipag pag0, entonces
pag/2 = suma de probabilidades binomiales paraX≤X pag/2 = suma de probabilidades binomiales paraX≥X
= suma de las barras verticales mostradas = suma de las barras verticales mostradas
0,03 0,03
0,02 0,02
pr(X=k)
pr(X=k)
0,01 0,01
0.00 0.00
0 5 10 0 20 25 30
k k
(a) (b)
Ecuación 7.29 Cálculo de lapag-Valor de la prueba binomial de una muestra: método exacto
- X-norte-k1 -
Sipag≤pag0,pag=2×pr(X≤X) = mín -2∑- -pag0( − pag
0)norte−k , 1-
- k=0-k- -
- −k -
Sipag>pag0,pag=2×pr(X≥X) = mín -2∑
norte
-norte-
pag
0 (1 -kpag)norte
0 , 1-
--k--
-k=X -
El cálculo de lapag-el valor se muestra en la Figura 7.14, en el caso denorte=30, pag

=0.5 yX=10 y 20, respectivamente.
En cualquier caso elpag-El valor corresponde a la suma de las probabilidades de todos los
eventos que son tan extremos o más extremos que el resultado muestral obtenido.
Ejemplo 7.51 Salud Ocupacional, CáncerLa seguridad de las personas que trabajan en las centrales nucleares o
viven cerca de ellas ha sido objeto de un debate ampliamente publicitado en los últimos años. Un
posible peligro para la salud derivado de la exposición a la radiación es un exceso de muertes por
cáncer entre las personas expuestas. Un problema al estudiar esta cuestión es que, debido a que el
número de muertes atribuibles al cáncer en general o a tipos específicos de cáncer es pequeño, es
difícil llegar a conclusiones estadísticamente significativas, excepto después de largos períodos de
seguimiento. Un enfoque alternativo es realizar una estudio de mortalidad proporcional, mediante
el cual se compara la proporción de muertes atribuidas a una causa específica en un grupo
expuesto con la proporción correspondiente en una población grande. Supongamos, por ejemplo,
que se han producido 13 muertes entre trabajadores varones de 55 a 64 años de edad en una
central nuclear y que en 5 de ellas la causa de la muerte fue el cáncer. Supongamos, basándose en
informes de estadísticas vitales, que aproximadamente el 20% de todas las muertes pueden
atribuirse a algún tipo de cáncer. ¿Es este resultado significativo?
Solución:Queremos probar la hipótesis.h:pag= .20 0

vs.h:pag≠ .20, 1dondepag=probabilidad de
que la causa de muerte en los trabajadores de la energía nuclear fuera el cáncer. No se puede
utilizar la aproximación normal al binomio, porque
pag0q0= 13(.2)(.8) = 2.1 < 5
Sin embargo, se puede utilizar el procedimiento exacto de la ecuación 7.29:
5
pag= = .38 > .20
13
13 13- -
Por lo tanto,pag=2∑-
3 k
=2× -1-∑
4-13- (.8)13-k-
- -(.2)(.8)1-
k k
) -
k=5-k- - -
k=0--k- (.2 -
De la Tabla 1 en el Apéndice, connorte=13,pag= .2, tenemos
pr(0) = .0550
pr(1) = .1787
pr(2) = .2680
pr(3) = .2457
pr(4) = .1535
Por lo tanto,pag=2× [1 − (.0550 + .1787 + .2680 + .2457 + .1535)]

=2× (1 − .9009) = .198
En resumen, la proporción de muertes por cáncer no es significativamente diferente entre los

trabajadores de centrales nucleares y entre los hombres de edad comparable en la población general.
Uso de la computadora para realizar la prueba binomial de una

muestra (versión exacta)
Podemos usar el comando bitsti de Stata para realizar la versión exacta de la prueba binomial de
una muestra. Sin embargo, el procedimiento es diferente del dado en la Ecuación 7.29.
Ecuación 7.30 Prueba binomial de una muestra: versión exacta (rutina Stata)
Supongamos que observamos x éxitos en n ensayos y deseamos probar la hipótesis.

h:pag
0
=pag 0 contra H
1
:pag≠pag0.
El valor p bilateral viene dado por:
- norte
∑ −
-
valor pexacto, estado= pag

0qnk
k
{k:Pr(k)≤Pr(X)--
k -- 0
Por lo tanto, el valor p bilateral = suma de probabilidades de todos los resultados

posibles k donde Pr(k)≤Pr(x). La sintaxis de este comando es
mordeduras nxp 0
donde n = número de intentos, x = número de éxitos y p = valor

0
de p bajo H. 0
Ejemplo 7.52 Salud ocupacionalUtilice el comando bitsti de Stata para evaluar la importancia de los
resultados del ejemplo 7.51.
Solución:En este caso, n = 13, x = 5 y p = 0,2.0Así, tenemos:
. mordiscos 13 5 0.2
norte k observado k esperado Supuesto p Observado p

---------------------------------------------------------------------------------------------------------
13 5 2.6 0.20000 0,38462
Pr(k) ≥ 5) = 0.099131 (Unilateral prueba)
Pr(k) ≤ 5) = 0.969965 (Unilateral prueba)
Pr(k)≤0 o k≥5) =0.154106 (prueba bilateral)
Así, las dos caraspag-valor de Stata = 0,15 frente alpag-valor = 0,20 basado en la
ecuación 7.29 del ejemplo 7.51.
Ecuación 7.31 Comparación de las versiones Stata (Ecuación 7.30) y Libro de texto (Ecuación 7.29) de la prueba
binomial de una muestra (versión de muestra pequeña)
El fundamento de la versión de libro de texto de la prueba binomial de una muestra es que

logra la siguiente propiedad deseable. Supongamos que queremos probar la hipótesis
h0 :pag=pag
0
contra H
1
:pag≠pag0,
y especificar las dos caraspag-valor como
--Xnorte norte-
- --
pag-valor = 2×mín.-∑- -- -pagk0qnorte−k,∑-
0 0,0,5-.
norte
0 -pagkqnorte−k
--k=0-k- k=X-k- --
los dos ladospag-el valor será < α si y solo si el 100% bilateral exacto× (1−α) IC para p
dado en la Ecuación 6.20 excluye p. Por el contrario,
0
los dos ladospag-el valor será > α
si y sólo si el 100% bilateral exacto× (1−α) CI para p incluye p . Esta propiedad no0 se
logra con la versión Stata de la prueba dada en la Ecuación 7.30.
Ejemplo 7.53 GeneralSupongamos que queremos probar la hipótesis
H:0p = 0,35 frente a 1H: p≠0,35
y han logrado 2 éxitos en 17 ensayos. Comparar el exacto de dos caraspag-valor usando la

Ecuación 7.29 y la Ecuación 7.30, y proporcione un IC bilateral exacto del 95% para p.
Solución:El IC exacto del 95% para p obtenido del comando cii de Stata viene dado por
. cii 17 2
Binomial Exacto
Variables | Observaciones Significar Estándar Errar. [95% Conf. Intervalo]
---------+-----------------------------------------------------
| 17 . 1176471. 0781425. 0145793 . 3644092
Los dos lados exactospag-el valor de la ecuación 7.29 viene dado por
--2-17- 17- - --
pag-valor = 2×mín.-∑- , ∑17(0,35)k(0,65)17
−k −k
)
- (0,35)k( 0,6517 k -- --
, 0. 5-
--k=0-k- =2 k --
Usamos el comando binomialtail de Stata para evaluar estas probabilidades de la siguiente manera:
pag-valor = 2×min[1 − cola binomial(17,3,0.35), cola binomial(17,2,0.35),0.5]
Tenemos:
. mostrar cola binomial(17,3,0.35)

. 96727464
. mostrar cola binomial(17,2,0.35)
. 99329872
De este modo,pag-valor = 2×mín(1 − 0,9673, 0,9933, 0,5) = 0,065. El

valor p bilateral exacto de la ecuación 7.30 viene dado por
. mordiscos 17 2 0.35
norte k observado k esperado Supuesto p Observado p

- - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - 17
2 5.95 0,35000 0.11765
Pr(k) > = 2) = 0.993299 (Unilateral prueba)
Pr(k) <= 2) = 0.032725 (Unilateral prueba)
Pr(k <= 2 o k >= 11) = 0,044752 (prueba bilateral)
Observe que el libro de textopag-valor (Ecuación 7.29) es > 0,05, mientras que Statapag-el valor
(Ecuación 7.30) es < 0,05. Sin embargo, el IC bilateral exacto del 95% incluye 0,35(p), lo que es 0
consistente con el libro de texto pero no con la versión de Stata.
En opinión del autor, la versión del libro de texto es preferible debido a la coherencia entre
las pruebas de hipótesis y los enfoques de intervalos de confianza.
Estimación de potencia y tamaño de muestra

La potencia de la prueba binomial de una muestra también se puede considerar utilizando el
procedimiento de prueba de muestra grande que se proporciona en la página 250. Supongamos que
estamos realizando una prueba de
0
dos colas en el nivel α, dondepag=pagbajo la hipótesis nula. Bajo la
hipótesis alternativa
1
depag=pag,la potencia viene dada por la siguiente fórmula.
Ecuación 7.32 Potencia para la prueba binomial de una muestra (alternativa de dos caras)
El poder de la prueba binomial de una muestra para la hipótesis

h0:pag=pag0vs.h1:pag≠pag0
para la alternativa específicapag=pag1es dado por
- pag q - pag
−0pag1norte- -
0
Φ- z+
0
-α/2 --
-- pq
1 1- pag q - -- 0 0
Para utilizar esta fórmula, asumimos quenpq Las

00
≥5 de modo que el método de la teoría normal
modificaciones en esta sección en la página 250 son válidas.
Ejemplo 7.54 CáncerSupongamos que deseamos probar la hipótesis de que las mujeres con una hermana con
antecedentes de cáncer de mama tienen un mayor riesgo de desarrollar cáncer de mama. Supongamos
que asumimos, como en el ejemplo 7.48 (p. 249), que la tasa de prevalencia del cáncer de mama es del 2%.
entre las mujeres estadounidenses de 50 a 54 años, mientras que es del 5% entre las mujeres con
antecedentes hermanos. Proponemos entrevistar a 500 mujeres de 50 a 54 años con una hermana con
antecedentes de la enfermedad. ¿Cuál es el poder de dicho estudio suponiendo que realizamos una
prueba bilateral con α = 0,05?
Solución:Tenemos α = .05,pag= .02,0pag= .05,norte

1
=500. El poder, tal como está dado por
La ecuación 7.32, es
- . 02(.98) - . 03 500 - -
potencia = Φ - -z . 025 + --
-- . 05(.95) - . 02(.98)- --
= Φ[0,642(-1,96 + 4,792)]= Φ(1,819) = 0,966
Por lo tanto, debería haber una probabilidad del 96,6% de encontrar una diferencia significativa basada en un
tamaño de muestra de 500, si la verdadera tasa de cáncer de mama entre mujeres con antecedentes de hermanas
es 2,5 veces mayor que la de las mujeres típicas de 50 a 54 años. -ancianas.
De manera similar, podemos considerar la cuestión del tamaño de muestra apropiado si la prueba binomial
de una muestra para un α dado,pag,pag0,y se1 está utilizando el poder. El tamaño de la muestra viene dado por la
siguiente fórmula.
Ecuación 7.33 Estimación del tamaño de la muestra para la prueba binomial de una muestra (alternativa bilateral)
Supongamos que deseamos probarh:pag=pag

0 0
vs.h:pag
1
≠pag.El
0
tamaño de muestra necesario para realizar
una prueba bilateral con nivel de significancia α y potencia 1 − β frente a la alternancia específica.
hipótesis tivapag=pag 1
es
2
- pq
11
-
pq
0 0-z1-α2+z1-β -
- pq
0 0-
norte=
(pag1−pag
0) 2
Ejemplo 7.55 Cáncer¿Cuántas mujeres deberíamos entrevistar en el estudio propuesto en el ejemplo 7.54 para
lograr un poder del 90% si se utiliza una prueba de significación bilateral con α = 0,05?
Solución:Tenemos = .05, 1 − β = .90,pag0= 0,02,pag1= .05. El tamaño de la muestra está dado por
Ecuación 7.33:
2
- . 05(.95) -
. 02(.98) -z.975+z.90 -
- . 02(.98) -
=
(.03)2
. 0196[1,96 + 1,28(1,557)]2 . 0196(15.623)
= = =340,2, o 341 mujeres
. 0009 . 0009
Por lo tanto, se debe entrevistar a 341 mujeres con una hermana con antecedentes de cáncer de mama
para tener un 90% de posibilidades de detectar una diferencia significativa utilizando una prueba bilateral
con α = 0,05 si la verdadera tasa de cáncer de mama entre las mujeres con una hermana La historia clínica
es 2,5 veces mayor que la de una mujer típica de 50 a 54 años.
Tenga en cuenta que si deseamos realizar una prueba unilateral en lugar de una prueba bilateral en el
nivel α, entonces α se sustituye por α/2 en la fórmula de potencia de la ecuación 7.32 y en la fórmula del
tamaño de muestra de la ecuación 7.33.
Uso de la computadora para estimar la potencia y el tamaño de la muestra

para la prueba binomial de una muestra
Podemos usar nuevamente el comando sampsi de Stata para calcular la potencia y el tamaño de la muestra para la
prueba binomial de una muestra. Para calcular la potencia, especificamos
sampsi p0 p1, n (xx) una muestra
Para calcular el tamaño de la muestra, especificamos
sampsi p0 p1, potencia (0.xx) una muestra
Ejemplo 7.56 CáncerCalcule las estimaciones de potencia y tamaño de muestra en los ejemplos 7.54 y 7.55
utilizando Stata.
Solución:
Fuerza:Tenemos
. muestra 0,02 0,05, n(500) una muestra
Poder estimado para la comparación de una muestra de la proporción con el valor hipotético
Prueba Ho: p = 0,0200, donde p es la proporción en la población
Supuestos:
alfa = 0.0500 (dos caras)

alternativa p = 0.0500
tamaño de la muestra n = 500
Potencia estimada:
potencia = 0,9655
Tamaño de la muestra:Tenemos
. muestra 0,02 0,05, potencia (0,90) una muestra
Tamaño de muestra estimado para la comparación de una muestra de la proporción con el valor hipotético
Prueba Ho: p = 0,0200, donde p es la proporción en la población
Supuestos:
alfa = 0.0500 (dos caras)

fuerza = 0.9000
alternativa p = 0.0500
Tamaño de muestra requerido estimado:
norte = 341
Los resultados concuerdan con las soluciones dadas en los ejemplos 7.54 y 7.55.
En esta sección hemos presentado laprueba binomial de una muestra,que se

utiliza para probar hipótesis sobre el parámetropagde una distribución binomial.
Comenzando en el cuadro "Inicio" del diagrama de flujo (Figura 7.18, p. 268), llegamos al
7.10 Inferencia de una muestra para la distribución de Poisson 259
prueba binomial de una muestra respondiendo sí a (1) una variable de interés? y (2)
¿problema de una muestra? no a (3) distribución subyacente normal o ¿se puede suponer que
se cumple el teorema del límite central? y sí a (4) ¿la distribución subyacente es binomial?
revisar preguntas 7 c
1 Se pesa una muestra de 120 estudiantes de secundaria (60 niños y 60 niñas) en su clase de
educación física. De los estudiantes, el 15% está por encima del percentil 95 en cuanto a índice
revisar
de masa corporal (IMC) [peso(kg)/ht2(metro2)] según lo determinen las normas nacionales. Los
educadores sanitarios de la escuela quieren determinar si el perfil de obesidad en la escuela
difiere de lo esperado.
(a)¿Qué hipótesis se pueden utilizar para abordar esta pregunta?

(b)¿Qué prueba se puede utilizar para probar estas hipótesis?
(C)Escriba el estadístico de prueba para esta prueba.
(d)Cuál es elpag-valor de la prueba?

(mi)¿Cuál es su conclusión general basada en sus hallazgos?
2 El director de la escuela también quiere abordar las preguntas de la Pregunta de revisión 7C.1
(a)-(e) para grupos étnicos específicos. De los 50 estudiantes hispanos de la escuela, 10 están
por encima del percentil 95 de IMC.
(a)¿Qué prueba se puede utilizar para abordar la pregunta de la Pregunta de repaso 7C.1?
(a)-(e) entre los estudiantes hispanos?
(b)Cuál es elpag-valor de la prueba?
(C)¿Cuál es su conclusión general basada en sus resultados?
3 ¿Qué potencia tuvo la prueba de la pregunta de repaso 7C.1 si el porcentaje real de
estudiantes en la escuela por encima del percentil 95 de IMC es del 15%?
7.10en E - muestra EI nf E r Enc E adelante E po I ssond I str I pero I en
Ejemplo 7.57 Salud ocupacionalMuchos estudios han analizado los posibles riesgos para la salud que enfrentan los trabajadores
del caucho. En uno de esos estudios, un grupo de 8.418 trabajadores varones blancos de entre 40 y 84 años
(activos o jubilados) el 1 de enero de 1964 fueron seguidos durante 10 años para determinar diversos resultados
de mortalidad [1]. Luego se compararon sus tasas de mortalidad con las tasas de mortalidad de hombres blancos
de EE. UU. en 1968. En uno de los hallazgos informados, se observaron 4 muertes debidas a la enfermedad de
Hodgkin en comparación con 3,3 muertes esperadas según las tasas de mortalidad de EE. UU. ¿Es esta diferencia
significativa?
Un problema con este tipo de estudio es que los trabajadores de diferentes edades en 1964 tienen
riesgos de mortalidad muy diferentes a lo largo del tiempo. Además, se puede seguir a diferentes
trabajadores durante diferentes períodos de tiempo. Así, los procedimientos de prueba en las ecuaciones
7.27 (p. 250) y 7.29 (p. 253), que suponen una constantepagpara todas las personas de la muestra, no son
aplicables. Sin embargo, estos procedimientos pueden generalizarse para tener en cuenta los diferentes
riesgos de mortalidad de diferentes individuos. Dejar
X=número total observado de muertes para miembros de la población de estudio

pag
i
=probabilidad de muerte para eliº individuo≅λt. ii
donde λ =i tasa de incidencia de laienésima persona,t=tiempo

i
de seguimiento esto para eliª persona
Bajo la hipótesis nula de que las tasas de mortalidad de la población del estudio son las mismas que
las de la población general de EE. UU., el número esperado de eventosµes dado por 0
norte
0= ∑pagi
i=1
Si la enfermedad en estudio es rara, entonces el número observado de eventos puede

considerarse aproximadamente con distribución de Poisson con valor esperado desconocido =µ.
Deseamos probar la hipótesis.h0:m = m0vs.h1:µ ≠ µ0.
Un enfoque para las pruebas de significancia es utilizar el método del valor crítico. Sabemos
por la Sección 7.5 que el 100% bilateral× (l − α) CI paraµdada por (C,C)contiene todos
1 2
los valoresµpor
lo cual aceptaríamos
0
hbasado en la prueba de0 hipótesis anterior. De este modo,
siC1 ≤µ 0 ≤C,entonces
2
aceptamosh,mientras
0
que si cualquieraµ 0
<C 1 oµ 0
> C2,entonces rechazamosh0.
La Tabla 7 del Apéndice contiene límites de confianza exactos para la expectativa de
Poisson. m,y esto nos lleva al siguiente enfoque simple para probar hipótesis.
Ecuación 7.34 Inferencia de una muestra para la distribución de Poisson (prueba de muestra pequeña:
método del valor crítico)
DejarXser una variable aleatoria de Poisson con valor esperado =µ.Para probar la
hipótesish:m = mvs.h:µ ≠ µutilizando una prueba bilateral con nivel de significancia α,
(1) Obtener el 100% bilateral× (l − α) CI paraµbasado en el valor observadoXde X.

Denota este CI por (C,C).1 2
(2) Siµ 0
<C 1 oµ 0
> C2,luego rechazarh0.
SiC1 ≤ µ0 ≤C,entonces
2
aceptah0.
Ejemplo 7.58 Salud ocupacionalPruebe la significancia de los hallazgos del ejemplo 7.57 utilizando el
método del valor crítico con un nivel de significancia bilateral de .05.
Solución:Deseamos probar la hipótesis.h0:m =3.3 vs.h1:m ≠3.3. Observamos 4 eventos =X. Por
lo tanto, con referencia a la Tabla 7, el IC bilateral del 95% paraµResidencia enX=4 es (1.09,
10.24). De la ecuación 7.34, porque 1.09≤3.3≤10.24, aceptamoshal nivel de significancia
0
del
5%.
Otro enfoque a utilizar para las pruebas de significancia es elpag-método de valor. Deseamos
rechazarh 0
siXes mucho mayor o mucho menor queµ.Esto lleva0a lo siguiente
procedimiento de prueba de bajada.
Ecuación 7.35 Inferencia de una muestra para la distribución de Poisson (prueba de muestra pequeña—pag-Método de
valor)
Dejarm =valor esperado de una distribución de Poisson. Para probar la hipótesish0:m = m0

vs.h1:µ ≠ µ0,
(1)Calcular
X=número observado de muertes en la población de estudio
(2)Bajoh,la variable
0
aleatoriaXseguirá una distribución de Poisson con parámetroµ.Por lo
tanto, los dos0lados exactospag-el valor está dado por
- X -
µ
− µ0k
min -2×∑mi 0, 1- siX<µ0
- k=0 k! -
Figura 7. 15 Cálculo del exactopag-valor para la prueba de Poisson de una muestra
SiX<µ0, entonces SiX≥µ0, entonces

pag/2 = suma de probabilidades de Poisson≤X pag/2 = suma de probabilidades de Poisson≥X
0,15 para una distribución de Poisson con mediaµ0 para una distribución de Poisson con mediaµ0
0,07
= suma de las barras verticales mostradas = suma de las barras verticales mostradas
0,06
0,10 0,05
0,04
pr(X=k)
pr(X=k)
0,03
0,05
0,02
0,01
0.00 0.00
0 1 2 3 0 8 9 10 11· ··
k k
(a) (b)
- - X−1 −µµ0- k -
min 2- × - 1 − ∑mi 0
- ,1- siX≥ µ 0
-- - k=0 k! - --
Estos cálculos se muestran en la Figura 7.15 para el caso deµ y 8, 0

=5, conX=3
respectivamente.
Ejemplo 7.59 Salud ocupacional Pruebe la importancia de los hallazgos del ejemplo 7.58 utilizando
elpag-método de valor.
Solución:Nos referimos a la Ecuación 7.35. PorqueX=4 >µ 0

=3.3 elpag-el valor está dado por
- k-
3
mi−3.3(3.3)
pag=2× -1-∑ -
-- k=0 k! --
De la distribución de Poisson tenemos
pr(0) =mi−3.3= .0369
mi−3.3(3.3)
pr(1) = = .1217
1!
mi−3.3(3.3)2
pr(2) = = .2008
2!
mi−3.3(3.3)3
pr(3) = = .2209
3!
De este modo pag=2×[1-(.0369 + .1217 + .2008 + .2209)]
=2× (1 − .5803) = .839
Por tanto, no existe un exceso o déficit significativo de enfermedad de Hodgkin en esta población.
Un índice que se utiliza frecuentemente para cuantificar el riesgo en una población de estudio en
relación con la población general es la tasa de mortalidad estandarizada (SMR).
DEFINICIÓN 7.16 Eltasa de mortalidad estandarizadase define por 100% ×O/E=100% × el número
observado de muertes en la población de estudio dividido por el número esperado
de muertes en la población de estudio bajo el supuesto de que las tasas de mortalidad de la

población de estudio son las mismas que las de la población general. Para condiciones no
fatales, el SMR a veces se conoce como elíndice de morbilidad estandarizado.
De este modo,
- Si SMR > 100%, existe un exceso de riesgo en la población de estudio en relación con la
población general.
- Si SMR <100%, existe un riesgo reducido en la población de estudio en relación con la
población general.
- Si SMR = 100%, no hay exceso ni déficit de riesgo en la población de estudio en
relación con la población general.
Ejemplo 7.60 Salud ocupacional¿Cuál es la SMR para la enfermedad de Hodgkin usando los datos del
ejemplo 7.57?
Solución:RME = 100%×4/3,3 = 121%
Los procedimientos de prueba de las ecuaciones 7.34 y 7.35 también pueden interpretarse como
pruebas de si la SMR es significativamente diferente del 100%.
Ejemplo 7.61 Salud ocupacionalEn los datos de los trabajadores del caucho descritos en el ejemplo 7.57, hubo 21
muertes por cáncer de vejiga y un número esperado de eventos a partir de las tasas de mortalidad por
cáncer de la población general de 18,1. Evaluar la significancia estadística de los resultados.
Solución:Nos referimos a la fila 21 y a la columna de 0,95 en la Tabla 7 del Apéndice y encontramos

el IC del 95% param = (13.00, 32.10). Porquem =número
0
esperado de muertes = 18,1 está dentro del
IC del 95%, podemos aceptarhal nivel de significancia
0
del 5%. Para obtener una exacta pag-valor,
nos referimos a la ecuación 7.35 y calculamos
- 20 -
pag=2× -1-∑mi−18,1(18.1)k k!-
- k=0 -
Este es un cálculo tedioso, por lo que hemos utilizado la función ppois de R, como se muestra
en la tabla 7.4. De R, vemos quer(X≤20m =18,1) = 0,7227. Por lo tanto, lapag-valor = 2× (1 −
.7227) = .55. Por lo tanto, no hay un exceso o déficit significativo de muertes por cáncer de
vejiga en la población de trabajadores del caucho. La RME para el cáncer de vejiga = 100%×
21/18,1 = 116%. Otra interpretación de las pruebas de significancia de las ecuaciones 7.34 y
7.35 es que la RME subyacente en la población de referencia no difiere significativamente del
100%.
TABLA 7.4 Cálculo del exactopag-valor para los datos de cáncer de vejiga en el ejemplo 7.61
Usamos el código R para este propósito de la siguiente manera:

> a<-ppois(20,18.1)
> un
> 0,7227
> valor_p<-2*(1-a)
> valor_p
[1] 0,5546078
Por lo tanto, los dos lados exactospag-valor = 0,55.
Los procedimientos de prueba de las ecuaciones 7.34 y 7.35 son métodos exactos. Si el número
esperado de eventos es grande, se puede utilizar el siguiente método aproximado.
Ecuación 7.36 Inferencia de una muestra para la distribución de Poisson (prueba de muestra grande)
Sea µ = valor esperado de una variable aleatoria de Poisson. Para probar la hipótesis h0:
m = m0vs.h1:µ ≠ µ0,
(1)CalcularX=número observado de eventos en la población de estudio.

(2)Calcular la estadística de prueba.
- 1-2
-X−µ −
- 0 2--
X2=X2 corri= ∼ χ21bajoh 0
µ0
(3)Para una prueba bilateral en el nivel α,h 0

es rechazado si
X2corri > χ21,1−α.
yhse acepta
0
si X2corri≤ χ21,1-α
(4) Elpag-el valor está dado porpr χ2 ( 1>X2 corri . )
(5) Esta prueba sólo debe utilizarse sim ≥10.
El cálculo de lapag-el valor se da en la Figura 7.17.
Ejemplo 7.62 Salud ocupacionalEvalúe la significancia estadística de los datos sobre el cáncer de vejiga en el ejemplo
7.61 utilizando la prueba de muestra grande.
Solución:Deseamos probar la hipótesis.h0:m =18,1 vs.h1:m ≠18.1. En este caso,X= 21 y

tenemos el estadístico de prueba
X2carro=
(−21 18,1 − 0,5)2
18.1
5.76
= =0,32 ~ χ21bajoh0
18.1
Figura 7. 16 Regiones de aceptación y rechazo para la prueba de Poisson de una muestra (prueba de muestra grande)
χ12distribución
Frecuencia
X2corri> χ21, 1–
Región de rechazo
X2corri≤ χ21, 1–
0
0 χ1,
2 1–
Valor
Figura 7. 17 Cálculo de lapag-valor para la prueba de Poisson de una muestra (prueba de muestra grande)
χ12distribución
Frecuencia
pag
0
0 X2corri Valor
2
Porque 1,95= 3,84 >X2,pag> .05yh 0
es aceptado. Por lo tanto, los trabajadores del caucho
en esta planta no tienen un riesgo significativamente mayor de mortalidad por cáncer de vejiga en
comparación con la población general. Usando MINITAB para calcular elpag-valor para el
La prueba de muestra grande produce unapag-valor =pr(χ21> 0,32) = 0,57a dos decimales.
Ecuación 7.37 Estimaciones del límite de confianza de muestras grandes para la distribución de Poisson
(a) Con base en la ecuación 7.36, si suponemos que X tiene una distribución normal con media
=µy varianza =m,entonces una muestra grande 100%× (1−α) CI para µ viene dado por
X±z1−α/2X.
(b) Sin embargo, se puede demostrar que para una distribución de Poisson, ln(x) es más
estrechamente distribuido normalmente que x. Además, una varianza aproximada
de ln(x) = 1/x.
Por lo tanto, un 100%× (1 − α) CI para ln(µ) es dado por:
en(x)±z1−α/2/X≡(C1,C2). El 100% correspondiente× (1 − α) IC paraµes dado

por:
--Exp(C1),Exp(C2)-- .
Ejemplo 7.63 Salud ocupacionalProporcione un IC del 95% para µ según los datos del ejemplo 7.61.
Solución:Un IC aproximado del 95% para µ basado en el método (a) de la ecuación 7.37 viene dado por
21±1.96 21 =(12.0,30.0).
Según el método (b), un IC aproximado del 95% para ln(μ) viene dado por
En(21)±1.96 / 21
=3.044±0,428 = (2,617,3.472).
El IC del 95% correspondiente paraµes dado por:
[Exp(2.617),Exp(3.472)]=(13.7,32.2).
7.12 Derivación de fórmulas seleccionadas 265
Utilizando la Tabla 7 del Apéndice, el IC exacto del 95% para µ = (13,0, 32,1).
Claramente, el método (b) proporciona una mejor aproximación de muestra grande para el IC del 95%.
En general, se prefieren los métodos exactos para inferir la distribución de Poisson.
En esta sección hemos presentado laprueba de Poisson de una muestra, que se utiliza
para probar hipótesis sobre el parámetroµde una distribución de Poisson. Comenzando en el
cuadro “Inicio” del diagrama de flujo (Figura 7.18, p. 268), llegamos a la prueba de Poisson de
una muestra respondiendo sí a (1) ¿una variable de interés? y (2) ¿problema de una muestra?
no a (3) distribución subyacente normal o ¿se puede suponer que se cumple el teorema del
límite central? y (4) ¿la distribución subyacente es binomial? y sí a (5) ¿la distribución
subyacente es Poisson?
7.11estudio cas: E ff E ctsoftabaccous E on

bon E - m I n E rald Ens I ty I nm I ddl E - a GE d Wo m E n
En el Capítulo 6, comparamos la densidad mineral ósea (DMO) de la columna lumbar entre gemelos
que fumaban más y menos utilizando la metodología de IC. Ahora queremos considerar una
cuestión similar basada en métodos de prueba de hipótesis.
Ejemplo 7.64 EndocrinologíaLa diferencia media en la DMO de la columna lumbar entre los gemelos que
fumaban más y menos cuando se expresaba como porcentaje de la media del par de gemelos
fue −5,0% ± 2,0% (media ±sí) basado en 41 pares de gemelos. Evaluar la significancia
estadística de los resultados.
Solución:Usaremos la muestra única.tprueba para probar la hipótesish0:m =0 vs.h1:m ≠0,

Consulte la página 224 dóndem =diferencia media subyacente en la DMO entre los gemelos que fumaban más y
para Ecuación 7. 10 menos. Usando la ecuación 7.10, tenemos el estadístico de prueba
X−µ 0
=
s norte
Porqueµ 0
=0 ysn=sí, resulta que
X − 5,0
= = = -2.5 ~t40 bajoh0
sí 2.0
Usando la Tabla 5 en el Apéndice, vemos que 40,.99= 2,423,t40,.995= 2.704. Porque

2.423 < 2.5 < 2.704, se deduce que 1 − .995<pag/2<1 − 0,99 o 0,005<pag/2<.01 o .01 <
pag <.02. El exactopag-valor de Excel = 2×pr(t <−2,5)40= DISTR.TD (2,5,40,2) = 0,017. Por lo
tanto, hay una diferencia significativa en la DMO media entre los gemelos que fuman
más y menos, y los gemelos que fuman más tienen una DMO media más baja.
7.12d E r I vat I onofs E l E ct E d fórmulas

Derivación de la fórmula de potencia en la ecuación 7.20.
Consulte la página 228
para Ecuación 7. 13 Para ver esto, observe que de la ecuación 7.13 rechazamoshsi 0
X−µ0 X−µ0>z1−α/2
z= <z a/2 o z=
σnorte σnorte
Si multiplicamos cada desigualdad porσ nortey añadirm 0,podemos volver a expresar el rechazo
criterios en términos deX, como sigue:
Ecuación 7.38 X<µ0+za/2σnorteoX>µ0+z1−α/2σnorte
El poder de la prueba frente a la alternativa específicam = m 1

es dado por
Ecuación 7.39 Poder =pr X<µ0+za/2σ ( nortem = m1 +pr X>µ0+z1−α/2σ ) ( nortem = m1 )

- m0 +za/2σ norte− µ1 - - µ0+z1−α/2σnorte−µ1-
=Φ- - +1-Φ - -
- σ norte - - σnorte -
- (μ0−µ1) norte- - (μ0−µ1)norte -
=Φ-za/2+ - +1 − Φ -z 1−α/2+ -
- σ - - σ -
Usando la relación1 − Φ(X) = Φ(-X), los dos últimos términos se pueden combinar de la siguiente manera:
- (μ 0−µ1 ) norte- - (μ1− µ0) norte-

Ecuación 7.40 Potencia = Φ -z a/2 + - + Φ-- z1−α/2+ -
- σ -- σ -
Finalmente, recordando la relaciónz a/2

= -z 1-α/2, tenemos
- (µ0 − µ1) norte- - (µ1 − µ0) norte-

Ecuación 7.41 Potencia = Φ -−z1−α /2 + - + Φ--z1−α/2+ -
-- σ -- -- σ --
- µ0−µ1 norte-
≅Φ--z1−α/2+ -
-- σ --
Derivación de la ecuación 7.23

Usamos la fórmula de potencia aproximada en la ecuación 7.20(b) y resolvemos paranorteen términos de
los demás parámetros, por lo que
- µ0−µ1 norte-
Ecuación 7.42 - −z1−α/2+ - =1 − β
- σ -
µ0−µ1 norte
o −z1−α/2+ =z1-β
σ
Siz 1-α/2 se suma a ambos lados de la ecuación y el resultado se multiplica por

σ/|µ0 − µ |,obtenemos
1
Ecuación 7.43 norte=

(z 1-β+z1−α/2 )σ
µ0−µ1
7.13 Resumen 267
Si ambos lados de la ecuación están al cuadrado, obtenemos
(z )
2 2
1-β + z1−α/2 σ
Ecuación 7.4 4 =
(µ0 − µ12)
7.13resumen
En este capítulo se introdujeron algunas de las ideas fundamentales de la prueba de hipótesis: (1)
especificación de la nula (h)y alternativa (h)hipótesis; (2) error tipo I (α), error tipo II (β) y potencia (1
resumen
0 1
− β) de una prueba de hipótesis; (3) elpag-valor de una prueba de hipótesis; y (4) la distinción entre
pruebas unilaterales y bilaterales. También se discutieron los métodos para estimar el tamaño de
muestra apropiado para un estudio propuesto según lo determinado por las hipótesis nulas y
alternativas preespecificadas y los errores de tipo I y tipo II.
Estos conceptos generales se aplicaron a varias situaciones de prueba de hipótesis de una
muestra:
(1) La media de una distribución normal con varianza desconocida (una muestratprueba)
(2) La media de una distribución normal con varianza conocida (una muestrazprueba)
(3) La varianza de una distribución normal (una muestra χ2prueba)
(4) El parámetropagde una distribución binomial (prueba binomial de una muestra)
(5) El valor esperadoµde una distribución de Poisson (prueba de Poisson de una muestra)
Cada una de las pruebas de hipótesis se puede realizar de dos maneras:
(1) Especificar valores críticos para determinar las regiones de aceptación y rechazo (método
de valor crítico) basándose en un error tipo I α especificado.
(2) Calcularpag-valores (pag-método del valor).
Se demostró que estos métodos son equivalentes en el sentido de que producen las mismas
inferencias con respecto a la aceptación y el rechazo de la hipótesis nula.
Además, se exploró la relación entre los métodos de prueba de hipótesis de este
capítulo y los métodos de IC del Capítulo 6. Mostramos que las inferencias que se
pueden extraer al utilizar estos métodos suelen ser las mismas.
En este libro se tratan muchas pruebas de hipótesis. Al final del libro se proporciona un
diagrama de flujo maestro (págs. 895 a 902) para ayudar a aclarar el proceso de decisión al
seleccionar la prueba adecuada. El diagrama de flujo se puede utilizar para elegir la prueba
adecuada respondiendo una serie de preguntas de sí o no. Las pruebas de hipótesis específicas
cubiertas en este capítulo se presentan en un extracto del diagrama de flujo que se muestra en la
figura 7.18 y se hace referencia a ellas en varios lugares de este capítulo. Por ejemplo, si estamos
interesados en realizar pruebas de hipótesis sobre la media de una distribución normal con
varianza conocida, entonces, comenzando en el cuadro "Inicio" del diagrama de flujo,
responderíamosSí a cada una de las siguientes preguntas: (1) ¿solo una variable de interés? (2)
¿problema de una muestra? (3) ¿la distribución subyacente es normal o se puede suponer que se
cumple el teorema del límite central? (4) inferencia sobreµ? (5) σ ¿conocido? El diagrama de flujo nos
lleva al cuadro en la parte inferior izquierda de la figura, que indica que la muestra únicazse debe
utilizar la prueba. Además, el número de página donde se analiza una prueba de hipótesis
específica también se proporciona en el cuadro correspondiente del diagrama de flujo. Los cuadros
marcados “Ir a 1” y “Ir a 4” se refieren a otras partes del diagrama de flujo maestro al final del libro.
El estudio de las pruebas de hipótesis se amplía en el capítulo 8 a situaciones en las que
se comparan dos muestras diferentes. Este tema corresponde a la respuesta.Sía la pregunta
(1) ¿solo una variable de interés? ¿Y no al (2) problema de una muestra?
Figura 7. 18 Diagrama de flujo para métodos apropiados de inferencia estadística.
Comenzar
Sólo uno Ir a
Sí No
variable 4
¿de interés?
(ver página 898)
Ir a
Una muestra No
1
¿problema?
(ver página 897)
Sí
Subyacente
distribución normal
Sí No
o puede limitar centralmente
se supone el teorema
¿sostener?
usa otro
subyacente
Subyacente No Subyacente No distribución
la distribución es la distribución es
o usar
¿binomio? ¿Poisson? no paramétrico
Inferencia No métodos
sobre ? páginas 341, 348
Sí Sí
Inferencia
sobre Una muestra Una muestra
Sí prueba binomial prueba de veneno
páginas 261, 263, 264
Una muestra
χ2prueba
para variaciones
(Precaución: esta prueba
es muy sensible a
no normalidad)
páginas 246–247
Normal Exacto
No
aproximación métodos
¿válido? página 253
No
¿conocido?
Sí
Sí
teoría normal
método
Una muestra Una muestra
página 250
zprueba tprueba
páginas 228–229 páginas 224–225
Problemas 269
problemas
Enfermedad renal 7.12Utilizando el método del valor crítico con α = 0,05, pruebe la
El nivel medio de creatinina sérica medido en 12 pacientes 24 horas hipótesis de que las tasas de incidencia de IM cambiaron entre 2000
después de recibir un antibiótico recientemente propuesto fue de 1,2 y 2010.
mg/dL. 7.13Reportar unpag-valor que corresponda a su respuesta al

* 7.1Si la media y la desviación estándar de la creatinina sérica en la problema 7.12.
población general son 1,0 y 0,4 mg/dL, respectivamente, entonces, Supongamos que el 25% de los pacientes con infarto de miocardio en 2000
utilizando un nivel de significancia de 0,05, pruebe si el nivel medio murieron en 24 horas. Esta proporción se denomina tasa de letalidad en 24
de creatinina sérica en este grupo es diferente del de la población horas.
general. población general. 7.14De los 15 nuevos casos de IM en el estudio anterior,
* 7.2Cuál es elpag-valor para la prueba? 5 murieron en 24 horas. Pruebe si la tasa de letalidad de
* 7.3Suponga que la desviación estándar muestral de la creatinina 24 horas cambió de 2000 a 2010.
sérica en el problema 7.1 es 0,6 mg/dL. Suponga que se desconoce la 7.15Supongamos que eventualmente planeamos acumular 50 casos
desviación estándar de la creatinina sérica y realice la prueba de de IM durante el período 2010-2015. Supongamos que la tasa de
hipótesis del problema 7.1. Reportar unpag-valor. letalidad en 24 horas es realmente del 20% durante este período.
* 7.4Calcule un IC bilateral del 95% para el nivel medio verdadero de ¿Qué poder tendría un estudio de este tipo para distinguir entre las
creatinina sérica en el problema 7.3. tasas de letalidad en 2000 y 2010-2015 si se planifica una prueba
bilateral con un nivel de significancia de 0,05?
* 7.5¿Cómo se relaciona su respuesta al problema 7.4 con su
respuesta al problema 7.3? 7.16¿Qué tamaño de muestra se necesita en el problema 7.15 para
alcanzar el 90% de potencia?
X−µ
7.6Suponer 0= −1,52y una muestratla prueba es
s norte
Enfermedad pulmonar
Supongamos que la incidencia anual de asma en la población
realizado en base a siete temas. ¿Qué es el de dos colas? pag-
general entre niños de 0 a 4 años de edad es del 1,4% para los niños
¿valor?
y del 1% para las niñas.
7.7Utilice un programa de computadora para calcular la probabilidad
* 7.17Si se observan 10 casos en 1 año entre 500 niños de 0 a 4
de quetdistribución con 36 gl supera 2,5.
años de edad con madres fumadoras, entonces pruebe si existe
7.8Utilice un programa de computadora para calcular el percentil 10 una diferencia significativa en la incidencia de asma entre este
inferior de unatdistribución con 54 df. grupo y la población general utilizando el método del valor
crítico con una evaluación bilateral. prueba.
Diabetes * 7.18Reportar unpag-valor correspondiente a su respuesta al
Los niveles de glucosa en plasma se utilizan para determinar la presencia problema 7.17.
de diabetes. Supongamos que la concentración media de ln (glucosa en
* 7.19Supongamos que se observan cuatro casos en un año entre
plasma) (mg/dl) en personas de 35 a 44 años es 4,86 con una desviación
300 niñas de 0 a 4 años de edad con madres fumadoras. Responda el
estándar = 0,54. Está previsto realizar un estudio con 100 personas
problema 7.17 con base en estos datos.
sedentarias de este grupo de edad para comprobar si tienen un nivel de
* 7.20Reportar unpag-valor correspondiente a su respuesta al
glucosa plasmática mayor o menor que el de la población general.
problema 7.19.
7.9Si la diferencia esperada es 0,10 en unidades, ¿cuál es el
poder de dicho estudio si se va a utilizar una prueba bilateral
Genética
con α = 0,05?
El ARN ribosómico 5S se puede representar como una secuencia
7.10Resuelva el problema 7.9 si la diferencia esperada es 0,20 ln
de 120 nucleótidos. Cada nucleótido puede estar representado
unidades.
por uno de cuatro caracteres: A (adenina), G (guanina), C
7.11¿Cuántas personas sería necesario estudiar para tener un (citosina) o U (uracilo). Los personajes ocurren con diferentes
80% de potencia según los supuestos del problema 7.9? probabilidades para cada posición. Deseamos probar si una
nueva secuencia es igual que el ARN ribosómico 5S. Para ello,
Enfermedad cardiovascular replicamos la nueva secuencia 100 veces y encontramos que hay
Supongamos que la tasa de incidencia de infarto de miocardio (IM) fuera
60 A en la posición 20.
de 5 por 1000 entre hombres de 45 a 54 años en 2000. Para observar los 7.21Si la probabilidad de que una A esté en la posición 20 del ARN
cambios en la incidencia a lo largo del tiempo, se dio seguimiento a 5000 ribosomal 5S es 0,79, entonces pruebe la hipótesis de que la nueva
hombres en este grupo de edad durante 1 año a partir de 2010. Se secuencia es la misma que la del ARN ribosómico 5S utilizando el
encontraron quince nuevos casos de IM. método del valor crítico.
7.22Reportar unpag-valor correspondiente a sus resultados en el * 7.28Si m d =verdadera diferencia media en la PAD entre el valor inicial
problema 7.21. y 1 mes, entonces, ¿cuántos pacientes se necesitarían para tener un 90% de
posibilidades de detectar un cambio significativo en la PAD durante 1 mes
Supongamos que queremos probar la hipótesis0 h:m =45 vs.h: µ1>
usando una prueba de una cola con un nivel de significancia del 5%?
45.
Supongamos que la media verdadera y la desviación estándar de la diferencia de
7.23¿Cuál será el resultado si concluimos que la media es
PAD fueron las mismas que las observadas en el estudio piloto.
mayor que 45 cuando la media real es 45?
* 7.29Supongamos que realizamos un estudio de la hipótesis
(i) Hemos cometido un error de tipo I.
anterior basado en 20 participantes. ¿Cuál es la probabilidad de que
(ii) Hemos cometido un error de tipo II. podamos rechazar?h¿Usar una prueba unilateral al nivel del 5% si la
0
(iii) Hemos tomado la decisión correcta. media verdadera y la desviación estándar de la diferencia de PAD son
las mismas que en el estudio piloto?
7.24¿Cuál será el resultado si concluimos que la media es 45
cuando la media real es 50?
(i) Hemos cometido un error de tipo I. Salud ocupacional
(ii) Hemos cometido un error de tipo II. La proporción de muertes por cáncer de pulmón en hombres de
(iii) Hemos tomado la decisión correcta. 15 a 64 años en Inglaterra y Gales durante el período 1970-1972
fue del 12%. Supongamos que de 20 muertes que ocurren entre
Supongamos que deseamos probarh:m =30 vs.h:m 1≠30 basado en una
0 trabajadores varones de este grupo de edad que han trabajado
muestra de talla 31.
durante al menos 1 año en una planta química, 5 se deben a
7.25¿Cuál de los siguientes resultados de muestra produce el menor cáncer de pulmón. Deseamos determinar si existe una
pag-valor y por qué? diferencia entre la proporción de muertes por cáncer de pulmón
(i)X=28,s = 6 en esta planta y la proporción en la población general.
(ii)X=27,s = 4 7.30Indique las hipótesis a utilizar para responder esta pregunta.
(iii)X=32,s = 2 7.31¿Es apropiada aquí una prueba unilateral o bilateral?
(iv)X=26,s = 9 7.32Realice la prueba de hipótesis y reporte unapag-valor.

Después de revisar los resultados de una planta, la empresa decide
Cáncer ampliar su estudio para incluir resultados de tres plantas adicionales.
Se encuentra que de 90 muertes ocurridas entre trabajadores
7.26Supongamos que identificamos a 50 mujeres de 50 a 54 años
varones de 15 a 64 años que han trabajado durante al menos 1 año
que tienen madreyuna hermana con antecedentes de cáncer de
en estas cuatro plantas, 19 se deben a cáncer de pulmón.
mama. Cinco de estas mujeres han desarrollado cáncer de mama en
algún momento de sus vidas. Si suponemos que la tasa de 7.33Responda el problema 7.32 utilizando los datos de cuatro plantas y
prevalencia esperada de cáncer de mama en mujeres cuyas madres reporte unapag-valor.
han tenido cáncer de mama es del 4%, ¿aumenta el riesgo tener una Una crítica a los estudios de este tipo es que están sesgados por el efecto
hermana con la enfermedad? Explicar. del “trabajador sano”. Es decir, los trabajadores en general son más
saludables que la población general, particularmente en lo que respecta a
Obstetricia los criterios de valoración cardiovasculares, lo que hace que la proporción
Se ha propuesto que el fármaco eritromicina posiblemente reduzca el de muertes por causas no cardiovasculares parezca anormalmente alta.
riesgo de parto prematuro. Un área de interés relacionada es su 7.34Si la proporción de muertes por cardiopatía isquémica (CI) es del
asociación con la incidencia de efectos secundarios durante el embarazo. 40% para todos los hombres de 15 a 64 años en Inglaterra y Gales,
Supongamos que el 30% de todas las mujeres embarazadas se quejan de mientras que 18 de las 90 muertes anteriores se atribuyen a la CI,
náuseas entre las semanas 24 y 28 de embarazo. Además, supongamos entonces responda el problema 7.33 si las muertes fueron causadas
que de 200 mujeres que toman eritromicina regularmente durante el por por IHD sonexcluidodel total.
período, 110 se quejan de náuseas.
* 7.27Pruebe la hipótesis de que la tasa de incidencia de náuseas

Nutrición
para el grupo de eritromicina es la misma para una mujer
La anemia por deficiencia de hierro es un importante problema de
embarazada típica.
salud nutricional en los Estados Unidos. Se realizó una evaluación
dietética a 51 niños de 9 a 11 años de edad cuyas familias se
Hipertensión encontraban por debajo del nivel de pobreza. Se encontró que la
Se realiza un estudio piloto de un nuevo agente antihipertensivo con el fin ingesta media diaria de hierro entre estos niños era de 12,50 mg con
de planificar un estudio más amplio. Se reclutan para el estudio cinco una desviación estándar de 4,75 mg. Supongamos que la ingesta
pacientes que tienen una PAD media de al menos 95 mm Hg y se media diaria de hierro entre una gran población de niños de 9 a 11
mantienen con el agente durante 1 mes. Después de 1 mes, la años de todos los estratos económicos es de 14,44 mg. Queremos
disminución media observada en la PAD en estos cinco pacientes es de 4,8 probar si la ingesta media de hierro entre el grupo de bajos ingresos
mm Hg con una desviación estándar de 9 mm Hg. es diferente de la de la población general.
Problemas 271
* 7.35Indique las hipótesis que podemos utilizar para considerar esta El verdadero negativo identificado mediante la prueba recibe una puntuación de
pregunta. +10. Un falso positivo identificado por la prueba recibe una puntuación de
* 7.36Realice la prueba de hipótesis del problema 7.35 - 5. Un falso negativo identificado por la prueba recibe una puntuación de
utilizando el método del valor crítico con un nivel α de .05 y -20.
resuma sus hallazgos. 7.47La FDA aprobará la nueva prueba si el límite inferior de un
* 7.37Cuál es elpag-valor de la prueba realizada en el Problema IC del 90% para la puntuación media es ≥+5. ¿Debería la FDA
7,36? aprobar la prueba? Una respuesta sí/no no es suficiente.
La desviación estándar de la ingesta diaria de hierro en la Pista: Supongamos que la distribución de la puntuación es
población más amplia de niños de 9 a 11 años fue de 5,56 mg. aproximadamente normal o que el teorema del límite central es aplicable.
Queremos probar si la desviación estándar del grupo de bajos Pista: Supongamos que unt-la distribución con > 200 gl es
ingresos es comparable a la de la población general. aproximadamente normal.
* 7.38Indique las hipótesis que podemos utilizar para responder esta Pista: Para calcular la media y la varianza a partir de datos
pregunta. agrupados, utilice las fórmulas
* 7.39Realice la prueba del problema 7.38 utilizando el k k
método del valor crítico con un nivel α de .05 y resuma sus X=∑FiXi/∑F1
hallazgos. i=1 i=1
(∑ fx)
* 7.40Cuál es elpag-valor de la prueba realizada en el Problema k 2
7,39? k i=1 ii
* 7.41Calcule un IC del 95% para la varianza subyacente de la ingesta
∑ i=1iifx2−
s2 = norte
diaria de hierro en el grupo de bajos ingresos. ¿Qué puedes inferir de norte−1

este CI?
dóndeX i es elivalor de la puntuación, Fies la frecuencia de
7.42Compare las inferencias que hizo a partir de los
elivalor de la puntuación,k=número de valores de puntuación, y
procedimientos de los problemas 7.39, 7.40 y 7.41.
norte=∑kF=220.
i=1i
General
Supongamos que se propone una nueva prueba para identificar pacientes con
una condición específica.
Salud ocupacional
Se estudió la experiencia de mortalidad de 8.146 empleados varones de una
Se obtiene una muestra de cada uno de los 220 sujetos de la
planta de investigación, ingeniería y fabricación de metales en Tonawanda,
población a quienes se aplicará la prueba. Cincuenta y un (51)
Nueva York, entre 1946 y 1981 [2]. Las posibles exposiciones en el lugar de
sujetos padecen la afección y 169 no, según un estándar de oro
trabajo incluyeron humos de soldadura, aceites de corte, asbesto, solventes
utilizado para evaluar la presencia de la afección (denominado
orgánicos y radiación ionizante ambiental, como resultado de la eliminación de
estándar de referencia a continuación). Se obtienen los
desechos durante el Proyecto Manhattan de la Segunda Guerra Mundial. Se
siguientes resultados:
hicieron comparaciones de causas específicas de muerte entre las tasas de
mortalidad de los trabajadores y las tasas de mortalidad de los hombres blancos
TABLA 7.5 Comparación de una nueva prueba con un
de Estados Unidos entre 1950 y 1978.
estándar de referencia
Supongamos que se observaran 17 muertes por cirrosis hepática entre
Estándar de referencia trabajadores contratados antes de 1946 y que habían trabajado en la
planta durante 10 años o más, mientras que se esperaban 6,3 según las
Condición Condición
tasas de mortalidad de hombres blancos en Estados Unidos.
presente ausente Total
7.48¿Cuál es el SMR para este grupo?
Nueva prueba + 44 1 45 7.49Realizar una prueba de significancia para evaluar si existe
− 7 168 175 una asociación entre la larga duración del empleo y la
Total 51 169 220 mortalidad por cirrosis hepática en el grupo contratado antes de
1946. Informe apag-valor.
7.43¿Cuál es la sensibilidad estimada de la prueba? 7.50Se realizó un análisis similar entre los trabajadores contratados
después de 1945 y que estuvieron empleados durante 10 años o
7.44Proporcione un IC del 95% para la sensibilidad.
más. Se encontraron 4 muertes por cirrosis hepática, cuando sólo se
7.45¿Cuál es la especificidad estimada de la prueba? esperaban 3,4. ¿Cuál es el SMR para este grupo?
7.46Proporcione un IC del 95% para la especificidad (Pista: Utilice un programa 7.51Realizar una prueba de significancia para evaluar si existe
de computadora.) una asociación entre la mortalidad por cirrosis hepática y la
Supongamos que unpuntuación de calidadse construye para la prueba. Un duración del empleo en el grupo contratado después de 1945.
verdadero positivo identificado por la prueba recibe una puntuación de +20. A Informe apag-valor.
Oftalmología TABLA 7.6 Datos piloto sobre masa ventricular izquierda

Los investigadores han informado que la tasa de incidencia de cataratas (MVI) en niños del Bogalusa Heart Study
puede ser elevada entre personas con una exposición excesiva a la luz
IDENTIFICACIÓN LVM basal (g) LVM de 4 años (g) Cambio (g)*
solar. Para confirmar esto, se lleva a cabo un estudio piloto entre 200
personas de entre 65 y 69 años que reportan una tendencia excesiva a 1 139 163 24
quemarse al exponerse a la luz solar. De las 200 personas, 4 desarrollan
2 134 126 −8
cataratas en un período de 1 año. Supongamos que la tasa de incidencia
3 86 142 56
esperada de cataratas entre personas de 65 a 69 años es del 1% en un
4 98 96 −2
período de 1 año.
5 78 111 33
* 7,52¿Qué procedimiento de prueba se puede utilizar para
6 90 108 18
comparar la tasa de cataratas a 1 año en esta población con la
7 102 167 sesenta y cinco
de la población general?
8 73 82 9
* 7,53Implemente el procedimiento de prueba del problema 7.52 y
9 93 77 − 16
reporte unpag-valor (de dos caras).
10 162 172 10
Los investigadores deciden ampliar el estudio a un período de 5 años
Significar 105,5 124,4 18.9
y descubren que 20 de las 200 personas desarrollan cataratas en un
Dakota del Sur 29.4 35.2 26.4
período de 5 años. Supongamos que la incidencia esperada de
cataratas entre las personas de 65 a 69 años de la población general * LVM de 4 años menos LVM inicial
es del 5% en un período de 5 años.

7,57Implemente la prueba del problema 7.56 y proporcione una ecuación de dos
* 7,54Probar la hipótesis de que la tasa de incidencia de cataratas a 5 colas.pag-valor.
años es diferente en el grupo de exposición excesiva a la luz solar en
7,58Proporcione un IC del 95% para el cambio en LVM durante 4
comparación con la población general, e informar una pag-valor (de
años según los datos de la Tabla 7.6.
dos caras).
7,59Dado que se trataba de un estudio piloto, la principal pregunta
* 7.55Construya un IC del 95% para la tasa real de cataratas a 5 años
de interés es ¿cuántos sujetos se necesitarían para detectar un
entre el grupo de exposición excesiva a la luz solar.
aumento de 10 g en la LVM media durante 4 años utilizando una
Enfermedad Cardiovascular, Pediatría prueba bilateral con α = 0,05 y potencia = 80%?Pista: Supongamos
que la varianza estimada del cambio en LVM en el estudio piloto es la
La masa ventricular izquierda (MVI) es un factor de riesgo importante
verdadera varianza del cambio en LVM.
para enfermedades cardiovasculares posteriores. Se propone un
estudio para evaluar la relación entre los niveles de presión arterial Nutrición, Enfermedades Cardiovasculares
infantil y la MVI en niños según lo determinado a partir de
Estudios anteriores han demostrado que complementar la dieta con
ecocardiogramas. El objetivo es estratificar a los niños en un grupo
salvado de avena puede reducir los niveles de colesterol sérico. Sin
de presión arterial normal (< percentil 80 para su edad, sexo y altura)
embargo, no se sabe si el colesterol se reduce por un efecto directo del
y un grupo de presión arterial elevada (≥ percentil 90 para su edad,
salvado de avena o por la sustitución de alimentos grasos en la dieta. Para
sexo y altura) y comparar el cambio en la LVM entre los 2 grupos.
abordar esta pregunta, se realizó un estudio para comparar el efecto de la
Antes de poder hacer esto, es necesario demostrar que la LVM
suplementación dietética con salvado de avena rico en fibra (87 g/día) con
realmente cambia en los niños durante un período de 4 años.
la suplementación dietética con un producto de trigo refinado bajo en
fibra sobre el colesterol sérico de 20 participantes sanos de entre 23 y 30
Para ayudar a planificar el estudio principal, se lleva a cabo un años. 49 años [3]. A cada sujeto se le midió el nivel de colesterol al inicio
estudio piloto en el que se obtienen ecocardiogramas de 10 niños del estudio y luego se le asignó aleatoriamente para recibir una dieta rica
aleatorios del Bogalusa Heart Study al inicio del estudio y después de o baja en fibra durante 6 semanas. Siguió un período de 2 semanas
4 años de seguimiento. Los datos se dan en la Tabla 7.6. durante el cual no se tomaron suplementos. Luego, los participantes
7,56¿Qué prueba se puede utilizar para evaluar si hay un cambio en tomaron el suplemento alternativo durante un período de 6 semanas. Los
la LVM media durante 4 años? resultados se muestran en la Tabla 7.7.
TABLA 7.7Niveles de colesterol sérico antes y durante la suplementación rica y baja en fibra
Diferencia Diferencia Diferencia

Alto Bajo (alto contenido de fibra - (alto contenido de fibra - (bajo en fibra –
norte Base fibra fibra bajo en fibra) base) base)
Colesterol total (mg/dL) 20 186 ± 31 172 ± 28 172 ± 25 -1 - 14 - 13

(-8, +7) (-21, -7) (-20, -6)
Nota:Los valores más-menos (±) son la media ±Dakota del Sur. Los valores entre paréntesis son límites de confianza del 95%.
Problemas 273
7.60Pruebe la hipótesis de que la dieta rica en fibra tiene un efecto y puede causar lesiones cutáneas pigmentadas e irregulares. Stern y cols.
sobre los niveles de colesterol en comparación con el valor inicial [4] realizaron un estudio para evaluar la incidencia de melanoma entre
(informe sus resultados comopag< .05 opag> .05). pacientes tratados con PUVA. El estudio identificó 1380 pacientes con
7.61Pruebe la hipótesis de que la dieta baja en fibra tiene un efecto psoriasis que fueron tratados por primera vez con PUVA en 1975 o 1976.
sobre los niveles de colesterol en comparación con el valor inicial Los pacientes se subdividieron según el número total de tratamientos
(informe sus resultados comopag< .05 opag> .05). recibidos (<250 o ≥250 de 1975 a 1996). Dentro de cada grupo, el número
observado de melanomas se determinó entre 1975 y 1996 y se comparó
7.62Pruebe la hipótesis de que la dieta rica en fibra tiene un efecto
con el número esperado de melanomas según lo determinado por las
diferencial sobre los niveles de colesterol en comparación con una dieta
tasas de incidencia de melanoma específicas por edad y género
baja en fibra (informe sus resultados comopag< .05 opag> .05).
publicadas en los EE. UU. Los resultados fueron los que se muestran en la
7.63¿Cuál es el error estándar aproximado de la media de la dieta Tabla 7.8.
rica en fibra en comparación con la dieta baja en fibra (es decir, la
diferencia media en el nivel de colesterol entre las dietas ricas y bajas
TABLA 7.8 Relación del tratamiento PUVA con la
en fibra)?
incidencia de melanoma
7.64¿Cuántos participantes se necesitarían para tener un 90 % de
posibilidades de encontrar una diferencia significativa en la Observado Esperado
reducción del colesterol medio entre las dietas altas y bajas en fibra
si la dieta alta en fibra reduce el colesterol medio en 5 mg/dL más <250 tratamientos 5 3.7
que la dieta baja en fibra? ¿Se utiliza una dieta y una prueba bilateral ≥250 tratamientos 6 1.1
con un nivel de significancia = 0,05?
Nutrición 7,69Supongamos que queremos comparar el número de

Consulte el conjunto de datos VALID.DAT, en www.cengagebrain.com. eventos observado y esperado entre el grupo con <250
tratamientos. Realice una prueba de significancia adecuada y
7,65Evaluar si el consumo de nutrientes informado (grasas
reporte una prueba de dos colas.pag-valor.
saturadas, grasas totales, consumo de alcohol, ingesta calórica
total) es comparable para el registro de la dieta y el cuestionario 7.70Proporcione un IC del 95 % para el número esperado de eventos
de frecuencia de alimentos. Utilice pruebas de hipótesis y/o en el grupo con ≥ 250 tratamientos.
metodología de CI. 7.71Interprete los resultados de los problemas 7.69 y 7.70.
7,66Responda el problema 7.65 para conocer el porcentaje de calorías

provenientes de grasas (por separado para grasas totales y grasas
Cáncer
saturadas) según lo informado en el registro de la dieta y el cuestionario El cáncer de mama está fuertemente influenciado por la historia reproductiva de
de frecuencia de alimentos. Supongamos que hay 9 calorías de grasa por una mujer. En particular, cuanto más tiempo transcurre desde la edad de la
cada gramo de grasa consumido. menarquia (la edad en la que comienza la menstruación) hasta la edad del
primer parto, mayor es el riesgo de cáncer de mama.
Demografía Se hizo una proyección basada en un modelo matemático de que el riesgo de
Consulte el conjunto de datos SEXRAT.DAT en www.cengagebrain.com. que a 30 años una mujer de la población general de EE. UU. desarrolle cáncer de
mama entre los 40 y los 70 años es del 7%. Supongamos que se estudiara un
7,67Aplique métodos de prueba de hipótesis para responder las
subgrupo especial de quinientas mujeres de 40 años sin cáncer de mama, cuya
preguntas planteadas en el problema 4.53.
edad en el momento de la menarquia era 17 años (en comparación con una
edad promedio en la menarquia de 13 años en la población general) y la edad en
Cardiología
el primer nacimiento era 20 años (en comparación con una edad promedio de 13
Consulte el conjunto de datos NIFED.DAT en www.cengagebrain.com. años en la población general). edad promedio al primer nacimiento de 25 años
7,68Utilice métodos de prueba de hipótesis para evaluar si alguno de en la población general). Estas mujeres fueron seguidas para detectar el
los tratamientos afecta la presión arterial o la frecuencia cardíaca en desarrollo de cáncer de mama entre los 40 y los 70 años. El estudio encontró
pacientes con angina grave. que 18 de las mujeres desarrollaron cáncer de mama entre los 40 y los 70 años.
Cáncer 7,72Pruebe la hipótesis de que la tasa subyacente de cáncer de

La combinación de fotoquimioterapia con metoxsaleno oral (psoraleno) y mama es la misma o diferente en este grupo que en la
radiación ultravioleta A (llamado tratamiento PUVA) es un tratamiento población general.
eficaz para la psoriasis. Sin embargo, PUVA es mutagénico, aumenta el 7.73Proporcione un IC del 95% para la tasa de incidencia real de cáncer de
riesgo de cáncer de piel de células escamosas, mama durante el período comprendido entre los 40 y los 70 años en este
subgrupo especial.
7.74Supongamos que 100 millones de mujeres de la población

Conjunto de datos disponible estadounidense tienennodesarrolló cáncer de mama a los 40 años.
¿Cuál es su mejor estimación del número de casos de cáncer de mama TABLA 7. 10 Puntuaciones de picazón informadas por los participantes
que se evitarían entre los 40 y los 70 años si todas las mujeres de la
población estadounidense alcanzaran la menarquia a los 17 años y dieran Ojo
a luz a su primer hijo a los 20 años? Proporcione un IC del 95 % para el
Sujeto l R Diferenciaa
número de casos de cáncer de mama prevenidos.
1 1 2 −1
Oftalmología 2 3 3 0
Un investigador quiere probar una nueva gota para los ojos que se 3 4 3 1
supone previene la picazón ocular durante la temporada de alergias. Para 4 2 4 −2
estudiar la droga, utiliza undiseño contralateralmediante el cual, para 5 4 1 3
cada participante, se asigna al azar un ojo (usando una tabla de números 6 2 3 −1
aleatorios) para recibir el fármaco activo (A) mientras que el otro ojo
7 2 4 −2
recibe el placebo (P). Los participantes usan las gotas para los ojos tres
8 3 2 1
veces al día durante un período de 1 semana y luego informan su grado
9 4 4 0
de picazón en cada ojo en una escala de 4 puntos (1 = ninguno, 2 = leve, 3
= moderado, 4 = severo) sin saber qué colirio se utiliza en cada ojo. Diez
10 1 2 −1
participantes son asignados al azar al estudio. Significar 2.60 2,80 −0,20
7,75¿Cuál es la principal ventaja del diseño contralateral? Dakota del Sur 1.17 1.03 1,55
norte 10 10 10
Supongamos que la asignación de aleatorización es la que se muestra en
la Tabla 7.9. aPuntuación de picazón en el ojo izquierdo – Puntuación de picazón en el ojo derecho
TABLA 7.9 Asignación de aleatorización 7,79Realice una prueba de hipótesis para evaluar si existen
diferencias significativas en la DMO media para el cuello femoral
Ojoa Ojo
entre los gemelos que fuman más y menos.
Sujeto l R Sujeto l R 7.80Responda el problema 7.79 para la DMO media en la diáfisis

femoral.
1 A PAG 6 A PAG
2 PAG A 7 A PAG Enfermedad infecciosa
3 A PAG 8 PAG A Se cree ampliamente que las parejas sexuales simultáneas son uno de los
4 A PAG 9 A PAG principales impulsores de la epidemia del VIH en el África subsahariana. F.
5 PAG A 10 A PAG Tanser y sus colegas siguieron a 7284 mujeres inicialmente VIH negativas (
≥15 años de edad) que residían en KwaZulu-Natal, Sudáfrica, durante un
A = fármaco activo, P = placebo.
a
promedio de 5 años para evaluar las relaciones entre los patrones de
actividad sexual y la incidencia del VIH [5] . Los investigadores
7,76Parece que se asignan más ojos izquierdos a A que a P, y el
encuestaron a hombres que residen en los vecindarios de las mujeres
investigador se pregunta si las asignaciones son realmente
participantes en el estudio para determinar patrones de actividad sexual
aleatorias. Realice una prueba de significancia para evaluar qué tan
dentro de cada vecindario. La siguiente tabla muestra la incidencia de
bien está funcionando la aleatorización. (Pista:Utilice las tablas
adquisición del VIH según si un participante del estudio residía en un
binomiales.)
vecindario que estaba por encima o por debajo de la mediana en términos
La Tabla 7.10 muestra las puntuaciones de picazón informadas por los del número típico de parejas sexuales a lo largo de la vida entre los
participantes. hombres de su vecindario.
7,77¿Qué prueba se puede utilizar para probar la hipótesis de que el
grado medio de picazón es el mismo para ojos activos que para ojos
TABLA 7. 11Relación entre la incidencia del VIH
placebo?
Tasa y número de parejas sexuales a lo largo
7,78Implemente la prueba del problema 7.77 usando una prueba bilateral de la vida en KwaZulu-Natal, Sudáfrica
(informe unapag-valor).
Parejas sexuales de por vida Años-persona Casos de VIH*
Endocrinología <6,2 parejas
Consulte el conjunto de datos BONEDEN.DAT en www.cengagebrain. (es decir, por debajo de la 9735.66 305
com. mediana) ≥6,2 parejas
(es decir, por encima de la mediana) 9539.92 388

Conjunto de datos disponible * Incidencia de adquisición del VIH (es decir, número de casos nuevos)
Problemas 275
7,81Proporcione una estimación de la incidencia del VIH por cada Proporcionar una colapag-valor. (Pista:Utilice la aproximación
100 personas-año entre las mujeres que residen en vecindarios con normal a la distribución binomial.)
un número de parejas sexuales entre los hombres superior a la 7.91Proporcione un IC del 95 % para la tasa de incidencia de
media, y una estimación de la probabilidad de 5 años de que una neuroblastoma en la población examinada. Exprese el IC del 95%
mujer en esta región desarrolle el VIH. como (2pag,pag),dónde
ypag
pag
están en las unidades de número de casos
1 1 2
7,82Proporcione un IC de 95% para la estimación del problema 7.81. por cada 100.000 niños. Espag 0
(7,3 casos por 100.000 niños)
7,83Supongamos que 100 mujeres que residen en un vecindario con un
niños) en este intervalo?
número de parejas sexuales entre hombres superior a la media son Otro tema investigado en este estudio fue la tasa de letalidad
seguidas durante un promedio de cinco años. ¿Cuál es la probabilidad de (número de pacientes que murieron por neuroblastoma /
que exactamente 20 de las mujeres desarrollen VIH? número de casos identificados por el programa de detección).
7,84¿Cuál es la probabilidad de que 20 o más de estas 7,92Supongamos que la tasa de letalidad por neuroblastoma suele
mujeres desarrollen VIH? ser de 1/6. Además, se produjeron 17 casos mortales entre los 204
casos identificados en el programa de detección. Pruebe si la tasa de
7,85Supongamos que se sabe (sin error) que la tasa de VIH en
letalidad bajo el programa de detección es diferente de la tasa de
vecindarios con un número de parejas sexuales por debajo de la
letalidad habitual. Proporcionar una de dos colaspag-valor.
mediana es de 3,15 casos por 100 personas-año. Pruebe si la
tasa en mujeres de vecindarios por encima de la mediana de
parejas sexuales en la vida (≥6,2 parejas) es significativamente Salud Ambiental, Enfermedad Pulmonar
diferente de la tasa en vecindarios por debajo de la mediana del Se llevó a cabo un estudio clínico epidemiológico para determinar los
número de parejas sexuales. efectos a largo plazo sobre la salud de la exposición en el lugar de
trabajo al proceso de fabricación del herbicida ácido (2,4,5
triclorofenoxi)acético (2,4,5-T), que contiene el contaminante dioxina
Simulación
[ 7]. Este estudio se llevó a cabo entre trabajadores activos y
Considere los datos sobre el peso al nacer del ejemplo 7.2.
jubilados de una planta de Nitro, Virginia Occidental, que estuvieron
7,86Supongamos que el verdadero peso medio al nacer de los bebés de expuestos al proceso de 2,4,5-T entre 1948 y 1969. Es bien sabido
bajo nivel socioeconómico es 120 onzas, la verdadera desviación estándar que los trabajadores expuestos al 2,4,5-T tienen altas tasas de
es 24 onzas y la distribución del peso al nacer es normal. Genere 100 cloracné (una erupción acneiforme generalizada). Menos conocidos
muestras aleatorias de tamaño 100 cada una a partir de esta distribución. son otros efectos potenciales de la exposición al 2,4,5-T. Una de las
Realizar lo apropiadotpruebe cada muestra para probar la hipótesis variables estudiadas fue la función pulmonar.
establecida en el ejemplo 7.2 y calcule la proporción de muestras para las
Supongamos que los investigadores esperan de las estimaciones de la
cuales declaramos una diferencia significativa usando un nivel de
población general que el 5% de los trabajadores tengan un volumen
significancia del 5% con una prueba de una cola.
espiratorio forzado (VEF) anormal; definido como menos del 80% de lo
7,87¿Cuál debería ser esta proporción para un gran número de previsto, según su edad y altura. Descubrieron que 32 de 203 hombres
muestras simuladas? ¿Cómo se comparan los resultados del que estuvieron expuestos al 2,4,5-T mientras trabajaban en la planta
problema 7.86 con este? tenían un FEV anormal.
7,88Ahora suponga que el verdadero peso medio al nacer es 115 oz y 7,93¿Qué prueba de hipótesis se puede utilizar para probar la hipótesis de
repita el ejercicio del problema 7.86, suponiendo que las otras condiciones que el porcentaje de valores anormales del FEV entre los hombres
establecidas en el problema 7.86 siguen siendo correctas. expuestos difiere de las estimaciones de la población general?
7,89¿Para qué proporción de muestras declara una diferencia 7,94Implemente la prueba del problema 7.93 y reporte una pag-
significativa? ¿Cuál debería ser esta proporción para un gran valor (de dos colas).
número de muestras simuladas? Otro tipo de resultado informado fue la muerte fetal. Supongamos
que los investigadores esperan, dadas las estadísticas de embarazos
Cáncer de la población general en el momento de la encuesta, que el 1,5%
En Alemania se llevó a cabo un programa de detección de de los embarazos resultarán en una muerte fetal. Descubrieron que
neuroblastoma (un tipo de cáncer) entre niños nacidos entre el 1 de entre 586 embarazos en los que un trabajador expuesto era el padre,
noviembre de 1993 y el 30 de junio de 2000, que tenían entre 9 y 18 11 resultaron en muerte fetal.
meses de edad entre mayo de 1995 y abril de 2000 [6]. 7,95Proporcione un IC del 95% para la tasa de muerte fetal
subyacente entre los hijos de hombres expuestos. Dado el IC, ¿cómo
En el programa de cribado participaron un total de 1.475.773 niños,
interpreta los resultados del estudio?
de los cuales 204 fueron diagnosticados entre los 12 y los 60 meses
de edad. Los investigadores esperaban que la tasa de incidencia de
neuroblastoma fuera de 7,3 por 100.000 niños durante este período Oftalmología
en ausencia de pruebas de detección. Se realizó un experimento para evaluar la eficacia de un colirio para
7,90Pruebe si el número de casos detectados por el programa prevenir el "ojo seco". Una medida objetiva principal utilizada para
de detección es significativamente mayor de lo esperado. evaluar la eficacia es el tiempo de ruptura de la lágrima (TBUT),
que se reduce en personas con ojo seco y que los investigadores Supongamos que dos residentes participan en el programa (cada uno durante 3
esperan que aumente después del uso del colirio. semanas) y la revisión del historial encuentra un total de 20 errores médicos
cometidos por los dos residentes combinados.
En el estudio real, los participantes serán asignados al azar a recibir
fármaco activo o placebo, basándose en un tamaño de muestra bastante 7,98¿Qué prueba se puede utilizar para probar la hipótesis de que un
grande. Sin embargo, primero se realizó un estudio piloto con 14 aumento en la cantidad de sueño cambiará la cantidad de errores
participantes. Según el protocolo A, a los participantes se les midió el médicos por día?
TBUT al inicio del estudio y luego se les indicó que no parpadearan 7,99Implemente la prueba del problema 7.98 y reporte un resultado de dos
durante 3 segundos, después de lo cual se les instiló la gota ocular de colas.pag-valor.
placebo. El TBUT se midió nuevamente inmediatamente después de la
Supongamos que el verdadero efecto de la intervención es reducir el
instilación, así como a los 5, 10 y 15 minutos después de la instilación,
número de errores médicos por día en un 20% (a 0,8 errores médicos
tiempo durante el cual los participantes del estudio estuvieron en un
por día). Supongamos que en el estudio real participan 10 residentes
ambiente de cámara controlada con baja humedad para exacerbar los
en el programa, cada uno por un período de 3 semanas.
síntomas del ojo seco. Otros 2 días, los participantes recibieron los
protocolos B y C. El protocolo B fue idéntico al protocolo A, excepto que se 7.100¿Cuál sería la potencia del tipo de prueba utilizada en
les pidió a los participantes que no parpadearan durante 6 segundos el problema 7.99 bajo estos supuestos? (Pista:Utilice la
antes de la instilación. El protocolo C fue idéntico al protocolo A, excepto aproximación normal a la distribución de Poisson.)
que a los participantes se les pidió que no parpadearan durante 10
segundos antes de dejar caer la instilación. Tenga en cuenta que se Oftalmología
utilizaron los mismos participantes para cada protocolo y que para cada
Se realizó un estudio entre pacientes con glaucoma, una enfermedad
protocolo hay datos disponibles para cada uno de los dos ojos. Además,
ocular importante que generalmente se manifiesta por presión intraocular
para cada ojo, se proporcionaron dos mediciones replicadas.
(PIO) alta; Si no se trata, el glaucoma puede provocar ceguera.
Los pacientes estaban actualmente tomando dos medicamentos

Los datos están disponibles en TEAR.DAT con documentación en
(A y B) juntos para esta afección. El propósito de este estudio fue
TEAR.DOC en www.cengagebrain.com. Para cada protocolo, se midió
determinar si los pacientes podían dejar de tomar los
el TBUT (en segundos) (1) al inicio (antes de la instilación de la gota),
medicamentos A y B y cambiarlos a un tercer medicamento
(2) inmediatamente después de la instilación de la gota, (3) 5 minutos
(medicamento C) sin muchos cambios en su PIO. Se inscribieron
después de la instilación, (4) 10 minutos después de la instilación y
diez pacientes en el estudio. Recibieron los medicamentos A + B
(5) 15 minutos después de la instilación.
durante 60 días y se les midió la PIO al final del período de 60
El protocolo estándar utilizado en estudios clínicos previos de TBUT días (lo que se conoce como PIO). Luego se les retiraron los
A+B
es un intervalo sin parpadeo de 6 segundos (protocolo B). Todas las medicamentos A y B y se les cambió al medicamento C, que
preguntas siguientes se refieren a datos del protocolo B. Para ello, tomaron durante 60 días más. La PIO se midió por segunda vez
promedie TBUT en dos réplicas y en ambos ojos para encontrar un al final del período de 60 días mientras el paciente tomaba la
valor resumido para cada período de tiempo para cada participante. medicación C (denominada PIO). Los resultados fueron los que
C
se muestran en la Tabla 7.12.
7,96¿Existe un efecto inmediato del colirio sobre el TBUT? (Pista:Compare
el TBUT medio inmediatamente después de la instilación con el TBUT TABLA 7. 12 Efecto del régimen de medicación sobre
medio antes de la instilación). la PIO en pacientes con glaucoma
7,97¿El efecto del colirio placebo cambia con el tiempo después de la
Número de paciente I0PA+B (mmHg) PIO C(mmHg)
instilación de la gota? (Pista:Compare el TBUT medio a los 5, 10 y 15
minutos después de la instilación con el TBUT medio inmediatamente
1 18.0 14.5
después de la instilación de la gota).
2 16.0 18.0
3 17.0 11.5
Epidemiología hospitalaria 4 18.0 18.0
Los errores médicos son comunes en los hospitales de todo el 5 20.0 21.0
mundo. Un posible factor causal son las largas jornadas de trabajo 6 19.0 22.0
del personal del hospital. En un estudio piloto que investigó este 7 19.0 24.0
tema, se alentó a los residentes médicos a dormir de 6 a 8 horas por 8 12.0 14.0
noche durante un período de 3 semanas en lugar de su horario de
9 17.0 16.0
sueño irregular habitual. Los investigadores esperaban, dados los
10 21,5 19.0
datos anteriores, que hubiera un error médico por residente por día
en su horario de sueño irregular habitual.
7.101¿Qué procedimiento se puede utilizar para probar la hipótesis de que
no ha habido una diferencia media en la PIO después de 60 días entre los
Conjunto de datos disponible dos regímenes farmacológicos?
Problemas 277
7.102Realice el procedimiento mencionado en el problema 7.101 y reporte Aproximadamente 2 años de seguimiento en el ensayo JUPITER (PM
una situación de dos colas.pag-valor. Ridker et al. [8]), 142 de 8901 sujetos tratados con una estatina tuvieron
Un objetivo del estudio fue establecer si el cambio al un evento cardiovascular importante.
medicamento C es "equivalente" al régimen original de los 7.110Calcule el riesgo a 2 años y proporcione un intervalo de confianza del
medicamentos A y B. "Equivalencia" aquí significa que la PIO 95% para esta estimación.
media subyacente después de cambiar al medicamento C no ha
7.111Suponiendo que el riesgo se mantiene constante a lo largo del tiempo,
cambiado en más de 2 mm. Hg en cualquier dirección.
proporcione una estimación del riesgo a 10 años de un evento cardiovascular
7.103¿Qué procedimiento se puede utilizar para establecer la importante con el tratamiento con estatinas.
equivalencia? ¿Es equivalencia lo mismo que aceptar la hipótesis
7.112Supongamos que el riesgo esperado a 2 años de un evento
nula del problema 7.101? ¿Por qué o por qué no?
cardiovascular importante en personas similares pero no tratadas es
7.104Implemente el procedimiento del problema 7.103 para abordar de 0,028. Pruebe si el riesgo a 2 años en aquellos tratados con una
la cuestión de si los regímenes son equivalentes. estatina es significativamente diferente de este riesgo esperado al
nivel del 5%. Asegúrese de exponer sus hipótesis nulas y alternativas
Endocrinología y especifique su conclusión.
La osteoporosis es una causa importante de morbilidad en mujeres de 7.113Persiste la controversia sobre si las estatinas reducen el riesgo
mediana edad y ancianas. Actualmente se utilizan varios fármacos para de eventos cardiovasculares completamente a través de sus efectos
prevenir fracturas en mujeres posmenopáusicas. sobre los niveles de colesterol o si otras vías, como la reducción de la
Supongamos que se sabe que la tasa de incidencia de fracturas inflamación, también son relevantes. En JUPITER, el tratamiento con
durante un período de 4 años es del 5% entre mujeres estatinas se asoció con una reducción media de 1,2 mmol por litro en
posmenopáusicas no tratadas y sin fracturas previas. la concentración de colesterol LDL (lipoproteína de baja densidad).
Un estudio piloto realizado entre 100 mujeres sin fracturas previas Según los efectos promedio de múltiples ensayos clínicos (C. Baigent
tiene como objetivo determinar si un nuevo fármaco puede prevenir et al. [9]), se estima que cada reducción de 1 mmol por litro en el
las fracturas. Se descubre que dos de las mujeres han desarrollado colesterol LDL se asocia con una reducción del 20 % en el riesgo de
fracturas durante un período de 4 años. eventos cardiovasculares importantes. Por lo tanto, la tasa de
eventos esperada debido a la reducción de LDL sería
7.105¿Existe una diferencia significativa entre la tasa de fracturas en
mujeres tratadas individualmente y la tasa de fracturas en mujeres
no tratadas? (Reportar un dos colaspag-valor.) 0,028 − 0,2(0,028)(1,2) = 0,0213.
Supongamos que 8 de las 100 mujeres anteriores desarrollaron Evaluar si el riesgo observado a 2 años en el estudio de Júpiter es
dolor abdominal durante el ensayo, mientras que se esperaría que consistente con esta tasa de eventos en el nivel del 5%.Pista: Utilice un
sólo el 1,5% desarrollara dolor abdominal según estudios previos de enfoque de intervalo de confianza.
historia natural.
7.106Proporcione un IC del 95% para la tasa de dolor abdominal entre las Cáncer
mujeres tratadas activamente. Interpretar los resultados comparándolos
En Suecia se realizó un estudio para relacionar la edad en el momento de
con estudios previos de historia natural.
la cirugía de testículo no descendido con el riesgo posterior de cáncer
7.107Supongamos que se supone que el nuevo fármaco producirá una testicular [10]. Se informaron doce eventos en 22.884 años-persona de
tasa de fracturas del 2,5% en un período de 4 años. ¿Cuántos sujetos seguimiento entre hombres que tenían entre 13 y 15 años en el momento
deben estudiarse para tener un 80% de posibilidades de detectar una de la cirugía.
diferencia significativa entre la tasa de incidencia de fracturas en mujeres
7.114¿Cuál es la tasa de incidencia estimada de cáncer
tratadas y la tasa de incidencia de fracturas en mujeres no tratadas (que
testicular entre este grupo de hombres? Exprese la tasa por
se supone que es del 5% en el problema 7.105)?
100 000 personas-año.
General Se informó que la tasa de incidencia estandarizada en este

grupo en comparación con los hombres de la población general
7.108¿Cuál es el percentil 25 de una χ?2distribución con 20
sueca fue de 5,06.
grados de libertad? ¿Qué símbolo se utiliza para indicar este
valor? 7.115¿Cuál es el número esperado de eventos en la población
general durante 22 884 años-persona de seguimiento?
7.109Supongamos que queremos probar la hipótesish:m0= 2 vs. h:µ≠
2. 1Encontramos un bilateral.pag-valor de 0,03 y un IC del 95% para µ 7.116Proporcione un IC del 95% para el número de eventos entre hombres que
de (1,5, 4,0). ¿Son estos dos resultados posiblemente compatibles? tenían entre 13 y 15 años en el momento de la cirugía.
¿Por qué o por qué no? 7.117¿Existe una diferencia significativa (pag <.05) entre la incidencia de
cáncer testicular en hombres tratados quirúrgicamente por testículo no
Enfermedad cardiovascular descendido entre los 13 y 15 años versus la población general?
El tratamiento con estatinas puede reducir el riesgo de un evento cardiovascular 7.118¿Cuál es el riesgo de por vida (desde los 15 hasta los 70 años) de cáncer
importante en personas con factores de riesgo específicos. Durante testicular para hombres con una edad en el momento de la cirugía = 15?
¿Suponiendo que la tasa de incidencia se mantiene constante en el tiempo? 7.119¿Cuál es la probabilidad de que una mujer de 40 años
Supongamos que no todos los hombres mueren de ninguna otra enfermedad desarrolle cáncer de colon en los próximos 5 años?
hasta los 70 años.
7.120¿Cuál es la probabilidad de que una mujer de 40 años desarrolle
cáncer de colon en los próximos 20 años (es decir, desde los 40,0 años
hasta los 59,9 años)?
Cáncer
Los datos del cuadro 7.14 se obtuvieron del Estudio de salud de
Los datos del registro Surveillance Epidemiology and End Results
enfermeras sobre la incidencia del cáncer de colon durante el
(SEER) proporcionan datos de incidencia de diferentes cánceres
período 1980-2004.
según la edad y el sexo para varios registros de tumores en todo
el mundo. Los datos del cuadro 7.13 se obtuvieron para el
TABLA 7. 14Estudio de salud de enfermeras sobre cáncer de colon
cáncer de colon en mujeres del Registro de Tumores de
Connecticut entre 1988 y 1992.
datos de incidencia de 1980-2004
TABLA 7. 13 Datos del Registro de Tumores de Connecticut: Edad Casos Años-persona

Tasas de incidencia anual de cáncer de colon de
1988 a 1992 para mujeres 40–44 10 139,922
45–49 35 215,399
Tasa de incidencia anual
50–54 79 277.027
Edad (por 105persona-años)
55–59 104 321.250
40–44 8
45–49 dieciséis
7.121¿Las tasas SEER se ajustan bien a los datos de incidencia del
50–54 27 Estudio de Salud de las Enfermeras? Realice una prueba separada

para cada grupo de edad y simplemente informep >.05 opag <.05. (
55–59 50
Pista:Utilice la distribución de Poisson.)
r E f E r Enc E s
[1] Andjelkovic, D., Taulbee, J. y Symons, M. (1976). Cribado de lactantes y mortalidad por neuroblastoma. Revista
Experiencia de mortalidad de una cohorte de trabajadores del caucho, de medicina de Nueva Inglaterra,346, 1041–1046.
1964-1973.Revista de medicina ocupacional,18(6), 387–394. [7] Suskind, RR y Hertzberg, VS (1984). Humano
[2] Teta, MJ y Ott, MG (1988). Un estudio de mortalidad efectos sobre la salud del 2,4,5-T y sus contaminantes tóxicos.JAMA,
de una instalación de investigación, ingeniería y fabricación de metales en 251, 2372–2380.
el oeste del estado de Nueva York.Revista americana de epidemiología, [8] Ridker, PM, Danielson, E., Fonseca, FAH, Gen-
127(3), 540–551. est, J., Gotto, AM, Kastelein, JJP, Koenig, W., Libby, P., Lorenzatti,
[3] Swain, JF, Rouse, IL, Curley, CB y Sacks, FM AJ, MacFadyen, JG, Nordestgaard, BG, Shepherd, J., Willerson, JT
(1990). Comparación de los efectos del salvado de avena y el trigo bajo en y Glynn, RJ, para el Grupo de Estudio JÚPITER (2008).
fibra sobre los niveles de lipoproteínas séricas y la presión arterial.Revista Rosuvastatina para prevenir eventos vasculares en hombres y
de medicina de Nueva Inglaterra,322(3), 147-152. mujeres con proteína C reactiva elevada.Revista de medicina de
[4] Stern, RS, Nichols, KJ y Vakeva, LH (1997). Nueva Inglaterra,359, 2195–2207.
Melanoma maligno en pacientes tratados de psoriasis con [9] Baigent, C., Keech, A., Kearney, PM, Blackwell,
metoxsaleno (Psoralen) y radiación ultravioleta A (PUVA). El L., Buck, G., Pollicino, C., Kirby, A., Sourjina, T., Peto, R., Collins, R. y
estudio de seguimiento PUVA.Revista de medicina de Nueva Simes, R. (2005). Eficacia y seguridad del tratamiento para reducir el
Inglaterra, 336, 1041-1045. colesterol: metanálisis prospectivo de datos de 90.056 participantes
[5] Tanser, F., Bärnighausen, T., Hund, L., Garnett, G., en 14 ensayos aleatorios de estatinas. Colaboradores de los ensayos
McGrath N y Newell ML (2011). Efecto de las parejas sexuales de tratamiento del colesterol (CTT). Lanceta; 8 de octubre de 366
simultáneas sobre la tasa de nuevas infecciones por VIH en una (9493), 1267-1278.
población rural sudafricana de alta prevalencia: un estudio de [10] Pettersson, A., Richiardi, L., Nordenskjold, A., Kai-
cohorte.Lanceta;378(9787), 247–255. jser, M. y Akre, O. (2007). Edad en el momento de la cirugía por testículo
[6] Woods, WG, Gao, R.-N., Shuster, JJ, Robison, no descendido y riesgo de cáncer testicular.Revista de Medicina de Nueva
LL, Bernstein, M., Weitzman, S., Bunin, G., Levy, I., Brossard, J., Inglaterra, 356(18), 1835–1841.
Dougherty, G., Tuchman, M. y Lemieux, B. (2002).

CAPITULO 7 ROSSNER - En.es - Compressed

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CAPITULO 7 ROSSNER - En.es - Compressed

Cargado por

Copyright:

Formatos disponibles

Traducido del inglés al español - www.onlinedoctranslator.

(1)El nivel promedio de colesterol de estos niños es de 175 mg/dL.

Este tipo de pregunta se formula en un marco de prueba de hipótesis especificando

DEFINICIÓN 7.1 Elhipótesis nula,denotado porh,es la hipótesis

Ejemplo 7.3 ObstetriciaEn el ejemplo 7.2, la hipótesis nula (h)es que

Ecuación 7.1 h0:m = m0 vs. h1:µ < µ0

Supongamos que las únicas decisiones posibles son sih 0

(3) Rechazamosh0,yhes de0hecho cierto.

Estas cuatro posibilidades se muestran en la Tabla 7.1.

TABLA 7. 1 Cuatro posibles resultados en la prueba de hipótesis

Los errores de tipo I y II a menudo resultan en costos monetarios y no monetarios.

DEFINICIÓN 7.5 La probabilidad de unerror tipo IIgeneralmente se denota por β.

DEFINICIÓN 7.6 La potencia de una prueba se define como

1 − β = 1 − probabilidad de error tipo II =pr(rechazandoH |H 0 1

7.3en E - muestra E t E stforth E d I str I pero I m E anofanormala lt E rn at I

la hipótesis nula,h,esom =120

DEFINICIÓN 7.7 Elregión de aceptaciónes el rango de valores deXpara cualhes aceptado.

DEFINICIÓN 7.8 Elregión de rechazoes el rango de valores deXpara cualhse rechaza.

Sit<tnorte−1,α, entonces rechazamosh0.

Sit≥tnorte−1,α, entonces aceptamosh. 0

DEFINICIÓN 7.10 El valorten la Ecuación 7.2 se llamaEstadística de pruebaporque el procedimiento de prueba se

DEFINICIÓN 7.11 El valornorte−1,αen la Ecuación 7.2 se llamavalor críticoporque el resultado de la prueba

Solución:Calculamos el estadístico de prueba.

Usando la función TINV de Excel, vemos el valor crítico =t 99, .05

Solución:Usando Excel, el valor crítico esTT= - 99, .01

DEFINICIÓN 7.13 Elpag-valorpara cualquier prueba de hipótesis es el nivel α en el que seríamos

Según el criterio de prueba de la Ecuación 7.2, si se alcanza un nivel de significancia depagse

Ecuación 7.3 pag=pr(tnorte−1≤t)

De este modo,pages el área a la izquierda detdebajo det norte-1

Solución:De la Ecuación 7.3, lapag-el valor es

Figura 7. 1 Visualización gráfica de unpag-valor

probabilidad de obtener unatestadística que no es mayor quetbajo la hipótesis nula espr(t

Solución:Las hipótesis sonh0:m =25vs.h1:m <25. Elpag-el valor se calcula utilizando la

Ecuación 7.4 Directrices para juzgar la importancia de unpag-Valor

Si .01≤pag <.05, entonces los resultados sonsignificativo.

Los autores frecuentemente no especifican la información exacta.pag-valor más allá de dar

(2) El exactopag-el valor se puede calcular y, sipag <.05, entonceshes

Estos dos enfoques son equivalentes con respecto a la determinación de la significancia

Solución:Porque elpag-el valor es 0,020, los resultados se considerarían estadísticamente

Solución:El estadístico de prueba estaría dado por

Por lo tanto, lapag-el valor está dado porpr(t 9999

Solución:El estadístico de prueba estaría dado por

Para probar la hipótesis

Elpag-el valor para esta prueba está dado por

ElpagEl valor para esta prueba se muestra en la Figura 7.2.

Para derivar esto, si requerimos un error tipo I = α, encontramos c tal que

=pr(t>cH0 =pr(t>Cm = m0) )

Porquepr(tnorte−1<tnorte−1,1−α)= 1 − α, tenemos =tnorte−1,1−α. Así, en el nivel α,hes 0rechazado si

h0:m =175 vs. h1:µ >175

Si utilizamos elpag-método de valor, el exactopag-el valor está dado por

Usando la Tabla 5 del Apéndice, encontramost 9,.90

(C)Cuál es elpag-valor basado en la prueba de la pregunta de repaso 7A.3a?

(d)¿Qué concluyes de este estudio?

7.4en E - muestra E t E stforth E d I str I pero I m E anofanormala lt E rn at I

En la mayoría de los casos estoconocimiento previono está disponible. Si la hipótesis nula no es

El tipo de alternativa dado en el ejemplo 7.20 se conoce comobilateralalternativa

La mejor prueba aquí depende de la media muestral.Xo, equivalentemente, en el

h0:m = m0vs.h1:µ > µ0

la mejor prueba fue correspondientemente de la siguiente forma: Rechazar

La pregunta sigue siendo: ¿Cuáles son los valores apropiados paraC 1

Ecuación 7.8 pr(rechazarh0h0verdadero)=pr(t<C1ot>C2h0verdadero)

Ecuación 7.9 pr(t<C1h0verdadero)=pr(t>C2h0verdadero)= α2

tnorte–1distribución = distribución detbajoh0