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.
2. 3.

4.

Se formula una hiptesis. Se obtienen datos (muestra) La hiptesis es contrastada con la evidencia de la muestra. 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 Riesgo relativo = 1 Ha Riesgo relativo 1

Resistencia 50%
XCD4-intervencin = XCD4-estndar

Resistencia < 50%

XCD4-intervencin XCD4-estndar

Sensibtest1 Sensibtest2
Xint1 = Xint2 = Xint3 = Xint4 En una regresin, 1 = 0

Sensibtest1 > Sensibtest2

Algn Xi es diferente 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

 Una

interpretacin 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 Una proporcin Razn de momios Diferencia de 2 proporciones Diferencia de 2 medias Distribucin Binomial o normal (Z) Chi cuadrado Z o chi cuadrado ZoT

Regresin lineal

La frmula del estadstico de prueba tambin cambia!

Normal/Large Sample Data?

Yes
Inference on means?

Yes
Independent?

No
Inference on variance?

Yes
Variance known?

No
Paired t
1 Variances equal?

Yes
F test for variances

No

Yes
Z test

Yes
T test w/ pooled variance

No
T test w/ unequal variance

Normal/Large Sample Data?

No Yes Independent? No Binomial?

No
Nonparametric test

Yes
Expected 5 Yes 2 sample Z test for proportions or contingency table No Fishers Exact test
4

McNemars test

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

EVIDENCIA/ DATOS DE LA

No diferencia (No rechaza H0))

NO HAY ERROR

Error Tipo II ( )

MUESTRA

Hay diferencia (Rechazar H0 y aceptar Ha)

Error Tipo I ()

NO HAY ERROR

Posibles escenarios
ESTADO REAL (VERDAD) desconocido
Hay Diferencia No hay diferencia

EVIDENCIA ( DATOS) observados

Diferencia (Rechazar H0)

NO HAY ERROR

Error Tipo I

()
NO HAY ERROR

No diferencia (No rechazar H0)

Error Tipo II

()

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). No rechazar Ho siendo esta falsa (Error tipo II)

2.

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