1. UNIVERSIDAD DE COSTA RICA
Sistema de Estudios de Posgrado
Escuela de Salud Pública
I Ciclo lectivo 2003
Epidemiología – (SP – 2216)
Pruebas de hipótesis
Profesora: Carmen Marín
3. Hipótesis: definición
Son suposiciones que relacionan una
variable con otra y que serán probadas a
través de la investigación, con el fin de
ser aceptadas o rechazadas por medio de
los resultados obtenidos.
Son ante todo, enunciados que expresan
afirmaciones o negaciones sobre la
realidad.
4. Hipótesis: características
Puede ser o no verdaderas
Se refiere a una situación real
Se refiere a una sola relación entre
variables
Precisa, concreta, clara y lógica
Se refiere a variables y relaciones
observables y medibles
Consideran técnicas disponibles para su
contraste
5. Hipótesis: clasificación
de investigación (generales o
específicas), las cuales pueden
responder en forma amplia a las
interrogantes planteadas en el Marco
Teórico respecto al problema en estudio;
estadísticas, las que expresan la
relación en términos matemáticos.
6. Hipótesis: ejemplos
El índice de cáncer pulmonar es mayor
entre los fumadores que entre los no
fumadores
A mayor variedad en el trabajo, mayor
motivación intrínseca hacia él
Los accidentes de tránsito son más
frecuentes en varones que en mujeres
7. ¿Cuál es la hipótesis de nuestro
estudio?
En los estudios de prevalencia
(descriptivos), no hay hipótesis que
comprobar. Se desea estimar la prevalencia.
Puede medirse la asociación estadística
mediante pruebas
En los estudios analíticos (con hipótesis) se
mide la fuerza de la asociación entre dos
variables (factor y evento)
8. ¿Cuál es la hipótesis de nuestro
estudio?
en un único estudio no se pueden
comprobar todas las hipótesis que se
nos ocurran, sino un número limitado
Al usar pruebas estadísticas, para
comprobar hipótesis, las
probabilidades o p valores son guías, y
los resultados son orientativos, hasta
sun confirmación en otros estudios
9. Contraste de hipótesis
Una hipótesis estadística es una asunción relativa
a una o varias poblaciones, que puede ser cierta o
no. Las hipótesis estadísticas se pueden contrastar
con la información extraída de las muestras y
tanto si se aceptan como si se rechazan se puede
cometer un error.
La hipótesis formulada con intención de
rechazarla se llama hipótesis nula y se representa
por Ho. Rechazar Ho implica aceptar una
hipótesis alternativa (H1).
10. Contraste de hipótesis
Ho cierta Ho falsa
H1 cierta
Ho rechazada Error tipo I (alfa) Decisión correcta
Ho no rechazada Decisión correcta Error tipo II (beta)
alfa = p (rechazar H0|H0 cierta)
beta = p (aceptar H0|H0 falsa)
Potencia =1- beta = p (rechazar H0|H0 falsa)
Detalles a tener en cuenta
alfa y beta están inversamente relacionadas.
Sólo pueden disminuirse las dos, aumentando n.
11. Los pasos necesarios para
realizar un contraste
Establecer la hipótesis nula
Establecer la hipótesis alternativa
Elegir un nivel de significación: nivel crítico para
alfa
Elegir un estadístico de contraste
Calcular el estadístico para una muestra aleatoria
y compararlo con la región crítica, o, calcular el
"valor p" (probabilidad de obtener ese valor, u
otro más alejado de la Ho, si Ho fuera cierta) y
compararlo con alfa.
12. Ejemplo
Estamos estudiando el efecto del estrés sobre
la presión arterial. La hipótesis: la presión
sistólica media en varones jóvenes
estresados es mayor que 18 cm de Hg.
Estudiamos una muestra de 36 sujetos y
encontramos promedio=18.5 y desviación
estándar 3.6
13. ¿Qué tipo de datos tenemos?
Cualitativos o cuantitativos
Independientes o no: los datos medidos en el
mismo individuo, o provenientes de estudios
apareados, no son independientes.
Por ejemplo, los datos provenientes de un ensayo
clínico cruzado, o de un estudio de caso y
controles, donde los últimos han sido apareados
por edad, sexo, área de residencia y clase social,
no son independientes.
14. ¿Qué tipo de prueba
estadística?
El tipo de prueba estadística a utilizar
depende del tipo de datos
Si son independientes, definir cuál es la
variable dependiente o explicada (Y) y cuál
la independiente o explicativa (X).
P.ej., en un ensayo clínico la variable
explicativa es el tipo de tratamiento y la
dependiente puede ser la presión arterial.
15. Ejemplo
En una muestra de 100 pacientes sometidos a un
cierto tratamiento se obtienen 80 curaciones.
Calcular el intervalo de confianza al 95% de la
eficacia del tratamiento.
¿Qué significa? La verdadera proporción de
curaciones está comprendida entre 72% y 88%
con un 95% de confianza.
¿Es suficientemente preciso? Habrá que juzgarlo
con criterios clínicos
16. Intervalos de confianza
La prevalencia y la incidencia acumulada
son proporciones, por tanto sus IC se
calculan como tales
=
17. Ejemplo:
En una muestra aleatoria de 500 personas de
un área, hay 5 diabéticos. La prevalencia
estimada es
500
5
ˆ
p
%
1
01
,
0
18. Y el intervalo de confianza
= 0,001 a 0,019
500
/
99
,
0
01
,
0
96
,
1
01
,
0
¿Qué significa? La verdadera prevalencia de
diabetes está comprendida entre 0,1% y 0,19%
con un 95% de confianza.
¿Es suficientemente preciso? Habrá que
juzgarlo con criterios clínicos