Prueba de Hiptesis

Tipos de inferencias (2)

PRUEBA DE HIPOTESIS: busca responder a
una pregunta sobre el valor de un parmetro en
la poblacin (siempre utilizando los resultados
de la muestra)

Esta pregunta sobre el valor del parmetro en la

poblacin se plantea utilizando hiptesis

El procedimiento cuantifica en que medida los

datos de la muestra apoyan la hiptesis
planteada
En el ejemplo anterior, la pregunta es
si hay menos resistencia con el nuevo
antimalrico
 En Estadstica
Los mtodos estadsticos son herramientas de
la ciencia para el contraste formal de hiptesis.

Las hiptesis para ser contrastadas con

mtodos estadsticos deben ser formuladas de
modo particular
 Elementos necesarios
Las hiptesis

Un procedimiento para responder a la

pregunta o hiptesis utilizando los datos
de la muestra

Criterios para interpretar los resultados

 Hiptesis

Son enunciados formulados como

respuestas tentativas a preguntas de
investigacin.

Pregunta de investigacin Hiptesis

 Mtodo Cientfico
Cmo funciona la Ciencia:
1. Se formula una hiptesis.
2. Se obtienen datos (muestra)
3. La hiptesis es contrastada con la
evidencia de la muestra.
4. Conclusin
 La evidencia proviene de la informacin
de las observaciones del fenmeno que se
estudia.

Las observaciones se obtienen de unidades

de estudio (individuos), usualmente de una
muestra.
 Porqu hiptesis?
La pregunta de investigacin debe tratar
de expresarse en forma de hiptesis

El mtodo cientfico no permite determinar

que una hiptesis es verdadera, solamente
puede determinar si es falsa

Por lo tanto debe plantearse una hiptesis

que al ser rechazada d respuesta a la
pregunta de investigacin
 Las dos hiptesis
Hiptesis nula, H0
Hiptesis de no diferencia o no asociacin, es
planteada en forma opuesta a la pregunta de
investigacin de inters, definida para ser
rechazada: la tasa de resistencia a ambos
antimalricos es similar

Hiptesis alternativa o alterna, Ha

Es la pregunta cientfica de inters. Aceptaremos
que Ha es verdadera si los datos sugieren que
H0 es falsa: la tasa de resistencia difiere entre
ambos antimalricos
 Ejemplos
Ho Ha
Riesgo relativo = 1 Riesgo relativo 1
Resistencia 50% Resistencia < 50%
XCD4-intervencin = XCD4-estndar XCD4-intervencin XCD4-estndar
Sensibtest1 Sensibtest2 Sensibtest1 > Sensibtest2
Xint1 = Xint2 = Xint3 = Xint4 Algn Xi es diferente
En una regresin, 1 = 0 1 0
Curaanalgsico1 < Curaanalgsico2 Curaanalgsico1 Curaanalgsico2
 Las hiptesis se plantean como:

De existencia del EFECTO (de un tratamiento).

De una DIFERENCIA (de las medias del peso
al nacer las proporciones del bajo peso al
nacer entre dos poblaciones).
De la ASOCIACIN (entre el tipo de
construccin de las casas y la distribucin del
Dengue).
 Ejemplos adicionales:

La Altura produce incremento en la frecuencia de

nacimientos prematuros: Existe DIFERENCIA entre
las Edades gestacionales de neonatos en la Altura vs. a
Nivel del Mar.
La sustancia X incrementa la posibilidad de
malformaciones congnitas: Existe DIFERENCIA en
la prevalencia de malformaciones congnitas entre
gestantes expuestas a X vs. No expuestas.

Que los alumnos formulen sus preguntas de

investigacin y las conviertan en hiptesis
 Formulacin de Hiptesis
(continuacin)

Hiptesis Nula (Ho) :

Enunciado formal para el contraste de
hiptesis con mtodos estadsticos: No hay
asociacin, No hay diferencia, No hay
efecto.

Hiptesis alternativa (H1):

Hiptesis complementaria a Ho: Si hay
asociacin, Si hay diferencia, Si hay
efecto.
 La Hiptesis nula y la Hiptesis alternativa
habitualmente (p. ej. en Epidemiologa) se
plantean en funcin de una Medida del
Efecto.
Medidas del efecto son:
Diferencias de medias,
Diferencias de prevalencias
Razones de riesgo (Riesgos relativos)
Razones de chances (Odds ratios)
 Hiptesis de dos colas

Un clnico trata de demostrar que la reaccin

al tratamiento es diferente entre el frmaco
A y el frmaco B

Hiptesis: Ho: A = B (Nula)

Ha: A B (Alterna)
 Hiptesis de una cola
Inters especfico en una sola direccin

No existe inters/relevancia cientfica si el

efecto se presenta en la otra direccin

Ejemplo: se quiere demostrar que el frmaco

A tiene mayor efecto que el frmaco B

Hiptesis: Ho: A B (Nula)

Ha: A > B (Alterna)
Cul hiptesis es verdadera
(o falsa)?
Con los datos de la muestra se calcula un valor
(llamado estadstico de prueba) que sirve para
decidir si Ho es falsa y debe ser rechazada
(nica y exclusivamente para eso)

Si los resultados sugieren que se debe

rechazar Ho, entonces automticamente se
acepta que Ha es verdadera

Si los resultados no indican que se rechaze Ho

tampoco se puede concluir nada sobre Ha
Usando el estadstico de prueba
Con el estadstico de prueba y una frmula
matemtica (distribucin de probabilidades,
que vara segn el tipo de hiptesis evaluada),
se calcula una probabilidad, el famoso valor p

El valor p, p, o p-value puede interpretarse

como la probabilidad de que Ho sea verdadera

Por convencin se acepta que si p < 0.05 (5%),

entonces es muy probable que Ho sea falsa y
por lo tanto debe ser rechazada
 Ejemplo

Queremos determinar si el promedio de peso

en varones es bajo (<70k)

Ho: Peso 70, Ha: Peso > 70

En 30 personas, promedio 50kg y D.E. 10 kg

 El Valor P y la evidencia

El Valor P Significancia estadstica es una

medida (cuantitativa) de la fuerza de la evidencia
en contra de la Hiptesis nula.

Escala de grises

Mientras ms pequeo sea el valor P, ms fuerte es

la evidencia en contra de la hiptesis nula.
El Valor P como una probabilidad
 Utilizando el valor crtico
Zobservado = -10.96 Tcrtico = -1. 70

Regin de
rechazo:
2.5% bajo
la curva
 Clculo de probabilidad exacta
Zobservado = -10.96

p exacto
= rea
bajo la
curva
 Unainterpretacin prctica (aunque
no exacta) del valor P es:

P es la probabilidad de que la
Hiptesis nula sea cierta
 Valor P (continuacin)

Si las observaciones en la muestra

soportan la Hiptesis nula. Entonces es
ms probable que esta Hiptesis sea
cierta.
 Reglas de Decisin

Para tomar una decisin sobre rechazar o no

rechazar la hiptesis nula hay que
especificar una Regla de decisin.
Hay que especificar un punto de corte
punto crtico:
Si P es menor que Alfa (), se rechaza Ho

Si P es mayor que Alfa (), se rechaza Ho

 Para cada prueba, el clculo
de p puede diferir
Prueba sobre Distribucin
Una proporcin Binomial o normal (Z)
Razn de momios Chi cuadrado
Diferencia de 2 proporciones Z o chi cuadrado
Diferencia de 2 medias ZoT
Regresin lineal F

La frmula del estadstico de prueba tambin cambia!

 Normal/Large Sample Data?
Yes
Inference on means?
Yes No
Independent? Inference on variance?
Yes No Yes
Variance Paired t F test for
known? 1 variances
No
Yes Variances equal?

Z test Yes No
T test w/ T test w/
pooled unequal
2 variance variance 3
 Normal/Large Sample Data?
No
Binomial?
Yes No

Independent? Nonparametric test

No
Yes
Expected 5 McNemars test

Yes No

2 sample Z test for Fishers Exact

proportions or test
contingency table 4
Ahora, recordemos que estamos
usando una muestra para
concluir sobre la poblacin
Es posible (poco probable, ojal)
que la decisin tomada de
rechazar o no Ho sea errnea
Qu error podramos cometer?
 Escenarios posibles
ESTADO REAL (LA VERDAD)

H0 es falsa y
H0 es verdadera,
Ha es verdadera
No hay diferencia
Hay diferencia

No diferencia NO HAY Error Tipo II

EVIDENCIA/ (No rechaza H0)) ERROR ()
DATOS DE LA
MUESTRA Hay diferencia
(Rechazar H0 y Error Tipo I NO HAY
aceptar Ha) () ERROR
 Posibles escenarios
ESTADO REAL (VERDAD)
desconocido
Hay Diferencia No hay diferencia

Diferencia NO HAY Error Tipo I

(Rechazar H0) ERROR
EVIDENCIA
( DATOS) ()
observados
No diferencia NO HAY
(No rechazar H0) Error Tipo II ERROR
()
 Errores en la toma de decisiones

Al tomar una decisin basados en un

punto de corte se pueden cometer uno de
dos errores:

1. Rechazar Ho siendo esta cierta

(Error tipo I).

2. No rechazar Ho siendo esta falsa

(Error tipo II)
 Error Tipo I ()
PUEDE ocurrir cuando la evidencia (datos de
la muestra) sugiere NO RECHAZAR Ho

El error consiste en reportar una diferencia o

asociacin que realmente no existe

Puede deberse a un tamao de muestra muy

grande que detecta diferencias no biolgicas

Tambin puede darse por azar, estimndose

que puede ocurrir con una probabilidad p
 Error Tipo II ()
PUEDE ocurrir cuando la evidencia sugiere
RECHAZAR Ho

El error consiste en reportar que no hay una

diferencia o asociacin cuando si la hay

Puede deberse a tener una muestra pequea

que no permite detectar diferencias reales

Tambin puede darse por azar, aunque el

clculo de la probabilidad () es muy complejo
 Habitualmente (Tradicionalmente) se
especifica a priori un punto de corte () de
0.05. Esto trasladado a nuestra regla de
decisin, significa que el Error tipo I de la
prueba estadstica ser del 5%.
Una vez especificado el valor de , tenemos
controlada la magnitud del Error tipo I. El
Error tipo II () se controla modificando el
tamao de la muestra.
En general y se minimizan con tamaos
de muestra grandes.
 Cmo determinar el tamao de los errores y
? :Debiera depender de las consecuencias de
cometer uno u otro error ?
EJEMPLOS:
Al investigar una nueva Droga en un estudio in
vitro: Si el resultado es significativo se
continua investigando; caso contrario se
abandona el estudio. En este caso tiene ms
sentido minimizar (abandonar para siempre
el estudio de una droga efectiva).
 En un ensayo clnico de una Droga para tratar
una enfermedad (que tiene varios otros
tratamientos efectivos). Si el resultado es
significativo, la droga entra al mercado; caso
contrario el trabajo en esta droga cesar.
El error (abandonar el estudio de una droga
efectiva para la que existen varias opciones) no
es tan importante como cometer un error que
implicara sacar al mercado una droga intil.
En este caso tendra prioridad en ser
minimizada
Errores conceptuales comunes
Las inferencias son vlidas slo para las
muestras donde se tomaron los datos

Si no rechazamos H0 eso significa que H0 es

verdadera

Una diferencia estadsticamente significativa

tiene relevancia biolgica

El valor p mide que tan diferentes son los

promedios/proporciones
 Supuestos ms comunes
Todas las observaciones son independientes
entre s

Tamao de muestra grande para que se

cumpla el teorema del lmite central

En variables numricas, no deben haber

valores extremos o sesgos que limiten la
representatividad del promedio como medida
de tendencia central
 Ejemplo: Prueba de Hiptesis

Un Clnico compara la proporcin de

pacientes con Hepatitis crnica que
responde favorablemente a dos
tratamientos: A y B.

Hiptesis: Ho: A B =0 (Nula)

H1: A B 0 (Alterna)
 Se llev a cabo un Ensayo clnico asignando
de manera aleatoria (y ciega) la droga A y la
droga B a 300 pacientes con Hepatitis crnica.
Se observ que en el grupo que recibi la
droga A, 30% tuvieron respuesta favorable.
En contraste con el grupo que recibi la droga
B (17% respondieron favorablemente).
 Especificando un punto de corte para
significancia: Alfa () = 0.05

Prueba estadstica para comparar proporciones

(30% versus 17%): P=0.015

Conclusin: La diferencia en las respuestas al

tratamiento entre los grupos (droga A vs. droga
B) es significativa.
Dependiendo de la Medida del efecto
empleada (diferencias, odds ratios [OR],
riesgos relativos [RR]) y del tipo de
variables a analizar (promedios,
proporciones, tiempo hasta un evento,
etc...) las hiptesis varian, as como los
mtodos estadsticos que se deben usar.
 Significancia estadstica vs. Significancia
biolgica.
La significancia estadstica no dice nada acerca de la
verdadera magnitud o la importancia de un efecto.
En muestras grandes, las diferencias muy pequeas
que tienen poca o ninguna importancia biolgica
pueden resultar significativas.
Las Implicancias de un resultado significativo deben
ser juzgados en otro terreno [el Biolgico], adems
del estadstico.
 Ejemplos con Stata (1)

Pregunta de investigacin: El sexo influye

en la edad de inicio del consumo de
cigarrillos?

Ho: Edadinicio consumo(varones-mujeres)=0

H1: Edadinicio consumo(varones-mujeres)0

Datos: Encuesta de drogas

 Variables: p59 (Edad de inicio del consumo de
cigarrillos) e inf_sexo (Sexo)
Prueba estadstica: Prueba t para dos medias
independientes
 Ejemplos con Stata (2)

Pregunta de investigacin: Existen

diferencias entre sexos en la prevalencia de
consumo de cigarrillos?

Ho: P(varones) P(mujeres)=0

H1: P(varones) P(mujeres)0

Datos: Encuesta de drogas

 Variables: fuma (generada de p58) e inf_sexo (Sexo)
Prueba estadstica: Prueba Z para dos proporciones