Tipos de errores del protocolo de investigación, contraste de hipotesis, error tipo 1, error tipo 2, comparación de grupos, riesgo atribuible, riesgo relativo, odds ratio.
3. RETOMANDO UN POCO…
Prueba de hipótesis
H0: se asume inicialmente que la hipótesis nula es
correcta (antes de realizar el estudio)
H1: la hipótesis alternativa es opuesta a la
hipótesis nula, y se afirma en caso de que la
hipótesis nula no sea válida.
P (estadístico | H0 verdadera)
5. CONTRASTE DE HIPÓTESIS
H0 e H1
Se
especifican
Datos
Prueba
hipóte-
sis
Estadís-
tico
Errores
Juzgar si una propiedad que se
supone en una población es
compatible con lo observado en
una muestra.
Nivel de
significancia
Aceptar o rechazar, de acuerdo al
valor de una “distancia” entre los
datos muestrales y los que tienen
alta probabilidad si se cumple la H0.
Se recoge
información
muestral
6. CONTRASTE DE PRUEBA
Ninguna prueba de
hipótesis es 100% cierta.
Debido a que se basa en
probabilidades, es posible
llegar a una conclusión
incorrecta.
Se pueden cometer errores
tipo I y II.
Los riesgos de estos errores
están inversamente
relacionados.
Se determinan según el nivel
de significancia y la potencia
de la prueba
8. ERROR TIPO I
Ocurre al rechazarse la hipótesis nula y
aceptarse la hipótesis alterna, cuando siendo
los parámetros iguales, el resultado de la
prueba estadística diga que son diferentes.
Es tan grande la muestra que lo que no
debería de ser significativo, es significativo.
9. ERROR TIPO I
Para probar si se comete un
error I, se debe considerar un
nivel de significancia; este
sirve para determinar la
probabilidad de cometer este
error.
“La diferencia observada es
estadísticamente
significativa”
Cuando la probabilidad de la
diferencia observada es = o < a se
rechaza la hipótesis nula para
aceptar la hipótesis alterna.
EJEMPLO
H0: μ1= μ2 Los dos
medicamentos tienen la misma
eficacia.
H1: μ1≠ μ2 Los dos
medicamentos no tienen la misma
eficacia
El investigador rechaza la hipótesis
nula, y concluye que los dos
medicamentos son diferentes
cuando, en realidad no lo son.
11. ERROR TIPO II
Siendo los parámetros diferentes, se
concluye a partir del análisis estadístico que
son iguales, aceptando una hipótesis nula
falsa.
Es tan pequeña tu muestra que lo que
debería de ser significativo, no lo es.
12. ERROR TIPO II
Es la denominación del error II. Su
valor complementario 1–β =
potencia o poder estadístico
indica la capacidad que tiene la
prueba para detectar una
diferencia que existe en la
realidad.
“No se encontraron
diferencias
significativamente
estadísticas”
Por lo general se desconoce la
probabilidad de cometer este error,
por lo que se debe ser muy
cuidadoso al aceptar una H0
EJEMPLO
H0: μ1= μ2 Los dos
medicamentos tienen la misma
eficacia.
H1: μ1≠ μ2 Los dos
medicamentos no tienen la misma
eficacia
El investigador no rechaza la hipótesis
nula cuándo debe rechazarla, y concluye
que los medicamentos son iguales
cuándo en realidad son diferentes.
13. Resumen errores contraste de
hipótesis
REALIDAD
Ho es cierta
“No se rechaza H0”
H1 es cierta
“Se rechaza hipótesis nula”
RESULTADOPRUEBA
ESTADÍSTICA
Se elige H0
No hay error.
Verdadero positivo.
1-.
Error tipo II o .
Falso negativo.
P(escoger H0|H1 es cierta) =
.
Se rechaza H0
Error tipo I o .
Falso positivo.
P(escoger H1|H0 es cierta) =
.
No hay error.
Verdadero negativo.
1-.
16. Se desea encontrar si en una escuela se
lesionan más los niños que las niñas. Al
final del año escolar se encuentra que 15
varones y 15 mujeres se lesionaron en total.
EjemploCOMPARACIÓN DE GRUPOS
La proporción cambiará de sentido al saber que el
total de hombres en la escuela es de 100, y de
mujeres es 200. ¿Cual es la incidencia de cada
grupo?
Varones = 15/100 = 0.15
Mujeres=15/200 = 0.08
17. • Es la diferencia de la proporción de
incidencia de un evento en un grupo
expuesto (Ie) y no expuesto (I0) dos
grupos evaluados.
• Proporciona información acerca del
efecto absoluto de la exposición. En
otras palabras
COMPARACIÓN DE GRUPOS
RIESGO
ATRIBUIBLE
• ¿Qué cantidad de la característica de
interés (por ejemplo, una enfermedad),
se debe a la exposición?
RA = Ie – Io
Retomando el ejemplo anterior:
RA = Ie – Io = 0.15 – 0.08 = 0.07
“El 0.07 de las lesiones se deben por
cuestiones relacionadas al sexo masculino”.
“El sexo masculino representa el 7% de
riesgo en la cantidad de lesiones”
18. • Estima la magnitud de una asociación
entre exposición y enfermedad e indica
la probabilidad del grupo expuesto de
desarrollar la enfermedad en relación
con aquellos que no están expuestos.
• ¿la exposición causa la enfermedad?
COMPARACIÓN DE GRUPOS
RIESGO
RELATIVO
• Para su interpretación se debe tomar en
cuenta el grupo a comparar (el
numerador) en referencia con el grupo
de comparación (el denominador).
𝑹𝒊𝒆𝒔𝒈𝒐 𝒓𝒆𝒍𝒂𝒕𝒊𝒗𝒐 =
𝑰 𝒆
𝑰 𝒐
=
𝒂
𝒂+𝒃
𝒄
(𝒄+𝒅)
Retomando el ejemplo anterior
𝑹𝑹 =
𝑰 𝒆
𝑰 𝒐
=
𝟎.𝟏𝟓
𝟎.𝟎𝟖
= 𝟏. 𝟖𝟖
“Por cada mujer lesionada, hay 1.88 varones
lesionados, o, existen 88% más hombres
lesionados que mujeres”.
19. • Son arreglos ordenados de frecuencia
que se acomodan en filas y columnas.
• Ayudan en estadísticos como: riesgo
atribuible y relativo, ji cuadrada, prueba
exacta de Fisher, etc.
COMPARACIÓN DE GRUPOS
TABLAS DE
CONTINGENCIA
“La incidencia de lesiones en hombres se puede calcular
mediante a/(a+b) = 15/100, y la mujeres sería igual
c/(c+d) = 15/200”
SI NO TOTAL
SI a b a+b
NO c d c+d
TOTAL a+c b+d a+b+c+d
Criterio efecto
Criterioexposición
Lesion No lesion TOTAL
Varones 15 85 100
Mujeres 15 185 200
TOTAL 30 270 300
20. • Es una aproximación al riesgo relativo,
en donde se puede mantener el
supuesto de que una enfermedad
mantiene una frecuencia por debajo del
10% o el 20% con respecto al grupo con
el que se esta comparando.
COMPARACIÓN DE GRUPOS
ODDS RATIO
“El oods ratio sería igual a (15*185)/(15*85) = 2.18 = Los
pacientes que son varones tienen un odds ratio de 2.18 de
presentar una lesión”.
Lesion No lesion TOTAL
Varones 15 85 100
Mujeres 15 185 200
TOTAL 30 270 300
• Para comparar los dos grupos se utiliza
una tabla de contingencia 2x2 y se
utiliza la siguiente fórmula:
𝑶𝒅𝒅𝒔 𝒓𝒂𝒕𝒊𝒐 = 𝒂𝒅/𝒃𝒄 𝝋
21. Referencias
Celis de la Rosa AJ, Labrada V. Bioestadística. 3 ed. México: El Manual
Moderno; 2014.
PorSeh-lelha. 2001. Odds ratio, Riesgo Relativo y Número Necesario a Tratar.
Obtenido de: https://www.seh-lelha.org/odds-ratio-riesgo-relativo-numero-
necesario-tratar/
¡Gracias!
Notas del editor
Por lo que nunca se concluye que las muestras estudiadas proceden de poblaciones iguales.
La incidencia puede estar dada como en incidencia acumulada o como densidad de incidencia. Si en su lugar se utilizan dos prevalencias, se le conoce como diferencia de prevalencias.
Una interpretación alternativa del riesgo relativo consiste en restar 1 al resultado (cociente) y multiplicarlo por 100. De esta manera, el resultado se interpreta como el porcentaje que el grupo a comparar se encuentra por arriba o por abajo en relación con el grupo de referencia
Compara grupos mediante una razón. Se utiliza en estudios de cohorte en donde los grupos muestreados han sido formados atendiendo su nivel de exposición.
Otros nombres: “razón de productos cruzados”, “razón de momios”, “oportunidad relativa” y “razón de posibilidades”.
Se utiliza en estudios de casos y controles, en donde los grupos muestreados se han formado a partir de la condición de la enfermedad a estudiar.