[ESCRIBIR EL NOMBRE DE LA COMPAA]

Mtodos paramtricos para la comparacin de dos medias. t de Student

[Escribir el subttulo del documento]
[Escribir el nombre del autor] [Seleccionar fecha]

[Escriba aqu una descripcin breve del documento. Una descripcin breve es un resumen corto del contenido del documento. Escriba aqu una descripcin breve del documento. Una descripcin breve es un resumen corto del contenido del documento.]

PRUEBAS DE SIGNFICACIN ESTADSTICA

1) Asociacin estadstica entre 2 variables El objetivo es demostrar la asociacin estadstica o no entre 2 variables observadas en una muestra. Datos apareados: En una nica muestra se estudia si existe una diferencia significativa en la variable resultado antes y despues de algn acontecimiento relevante. o Variable resultado cualitativa de 2 mas categoras: test de Mc Nemar o Variable resultado cuantitativo: t-Student apareada. o Variable resultado cuantitativa (varias medidas repetidas): ANOVA para medidas repetidas. VARIABLE2 Dicotmica TEST HIPOTESIS Chi-cuadrado Test exacto de Fischer Chi-cuadrado

VARIABLE 1 Dicotmica

Cualitativa (> 2 categorias) Dicotmica Cualitativa (> 2 categorias) Cuantitativa

Cualitativa (>= 2 categorias) Cuantitativa Cuantitativa

t-Student Analisis de Varianza

Cuantitativa

Coeficiente de correlacin de Pearson Regresin

2) Test no paramtricos: Son pruebas que no dependen de la distribucin de la variable y no precisan condicin previa de normalidad. Estas pruebas no manejan los valores cuantitativos que toma la variable en cuestin, sino nicamente sus rasgos. Son pruebas de menor precisin que las paramtricas, por lo que solamente demostrarn como significativas diferencias mayores. Por lo tanto, generalmente se prefiere utilizar pruebas paramtricas (t-Student) y el uso de los test no paramtricos se limita a estudios con tamaos muestrales menores de 30, en los que las poblaciones no pueden ser consideradas como normales, o bien, cuando la variable represente solamente una medida aproximada del carcter, sin una valoracin exacta. Si las muestras son mayores de 30, n existe inconveniente em utilizar pruebas paramtricas.

VARIABLE 1 Dicotmica independiente

VARIABLE2 Cuantitativa (n<30) u ordinal Cuantitativa (n<30) u ordinal

TEST HIPOTESIS U de Mann-Whitney Test de Wilconson Test de Wilconson

Dicotmica pareada o dependiente

Cualitativa (> 2 categorias) Cualitativa pareada (> 2 categorias) Ordinal

Cuantitativa (n<30) u ordinal Cuantitativa (n<30) u ordinal Ordinal

Test de Kruskal-Wallis

Test de Friedman

Rho de Spearman Tau de Kendall

3) Anlisis multivariante: Son un conjunto de test estadsticos que se aplican cuando se intenta establecer la asociacin estadstica entre 3 o mas variables.

Mtodos paramtricos para la comparacin de dos medias. t de Student

t-STUDENT PARA 2 MUESTRAS INDEPENDIENTES

Uno de los anlisis estadsticos ms comunes en la prctica es probablemente el utilizado para comparar dos grupos independientes de observaciones con respecto a una variable numrica. La aplicacin de un contraste paramtrico requiere la normalidad de las observaciones para cada uno de los grupos. La comprobacin de esta hiptesis puede realizarse tanto por mtodos grficos (por medio de histogramas, diagramas de cajas o grficos de normalidad) como mediante tests estadsticos. Un nmero suficiente de observaciones (mayor de 30) justifica la utilizacin del mismo test. As mismo, este tipo de metodologa exigir que la varianza en ambos grupos de observaciones sea la misma. En primer lugar se desarrollar el test t de Student para el caso en el que se verifiquen ambas condiciones, discutiendo posteriormente el modo de abordar formalmente el caso en el que las varianzas no sean similares. Bajo las hiptesis de normalidad e igual varianza la comparacin de ambos grupos puede realizarse en trminos de un nico parmetro como el valor medio. El t test para dos muestras independientes se basa en el estadstico:

(1)

donde

denotan el valor medio en cada uno de los grupos.

Si la hiptesis de partida es cierta el estadstico (1) seguir una distribucin t de Student con (n+m-2 grados de libertad). De ser as, el valor obtenido debera estar dentro del rango de mayor probabilidad segn esta distribucin. Usualmente se toma como referencia el rango de datos en el que se concentra el 95% de la probabilidad. El valor-p que usualmente reportan la mayora de paquetes estadsticos no es ms que la probabilidad de obtener, segn esa distribucin, un dato ms extremo que el que proporciona el test. Como ya se dijo, refleja tambin la probabilidad de obtener los datos observados si fuese cierta la hiptesis inicial. Si el valor-p es muy pequeo (usualmente se considera p<0.05) es poco probable que se cumpla la hiptesis de partida y se debera de rechazar. La regin de aceptacin corresponde por lo tanto a los valores centrales de la distribucin para los que p>0.05. En la siguiente tabla se determina los grados de libertad (en la primera columna) y el valor de (en la primera fila). El nmero que determina su interseccin es el valor crtico correspondiente. De este modo, si el estadstico que se obtiene toma un valor mayor se dir que la diferencia es significativa.

Otro modo de obtener esta misma informacin es mediante el clculo de intervalos de confianza para la diferencia de la respuesta media en ambos grupos. A mayores, el intervalo de confianza constituye una medida de la incertidumbre con la que se estima esa diferencia a partir de la muestra, permitiendo valorar tanto la significacin estadstica como la magnitud clnica de esa diferencia. A medida que el tamao muestral aumenta, la distribucin del estadstico (1) se hace ms prxima a la de una variable Normal estndar. De este modo, en algunos textos se opta por utilizar esta distribucin para realizar la comparacin de medias. Aunque esta aproximacin es correcta para muestras suficientemente grandes, ambos mtodos proporcionan en este caso resultados prcticamente idnticos, por lo que resulta ms simple utilizar, independientemente del tamao de la muestra, la misma metodologa a partir de la distribucin t. El mismo planteamiento podra utilizarse en el caso de varianzas distintas o de muestras apareadas.

DOS MUESTRAS INDEPENDIENTES CON VARIANZA DISTINTA

El caso en el que se dispone de dos grupos de observaciones independientes con diferentes varianzas, la distribucin de los datos en cada grupo no puede compararse nicamente en trminos de su valor medio. Obviamente, el primer problema a resolver es el de encontrar un mtodo estadstico que nos permita decidir si la varianza en ambos grupos es o no la misma. El test de la razn de varianzas viene a resolver este problema. Bajo la suposicin de que las dos poblaciones siguen una distribucin normal y tienen igual varianza se espera que la razn de varianzas:

siga una distribucin F de Snedecor con parmetros (n-1) y (m-1). En este tipo de situaciones, donde no se debe aplicar el contraste basado en (1), podemos utilizar una modificacin del test para el caso de varianzas desiguales, conocido como el test de Welch basada en el estadstico:

que, bajo la hiptesis nula seguir una distribucin t de Student con un nmero f de grados de libertad que depender de las varianzas muestrales segn la expresin:

La tcnica para realizar el contraste es anloga a la vista anteriormente cuando las varianzas son desconocidas e iguales. Al igual que en el caso anterior, podr optarse por calcular el correspondiente 95% intervalo de confianza para la diferencia de medias dado por:

DOS MUESTRAS DEPENDIENTES

Ya se ha comentado que cuando se trata de comparar dos grupos de observaciones, es importante distinguir el caso en el que son independientes de aquel en el que los datos estn apareados. Las series dependientes surgen normalmente cuando se evala un mismo dato ms de una vez en cada sujeto de la muestra. Tambin se puede encontrar este tipo de observaciones en estudios de casos y controles donde cada caso se aparea individualmente con un control. En este tipo de anlisis el inters no se centra en la variabilidad que puede haber entre los individuos, sino en las diferencias que se observan en un mismo sujeto entre un momento y otro. Por este motivo, resulta intuitivo trabajar con la diferencia de ambas observaciones.

Nota: En el siguiente tema utilizaremos Epidat para el clculo de estos parmetros.