Test Exacto de Fisher

El contraste de homogeneidad mediante la prueba Chi-Cuadrado entre dos variables cualitativas (o tambin llamado contraste de independencia entre dos variables cualitativas) se basa en la comparacin de las frecuencias obtenidas con las frecuencias esperadas. La prueba exacta de Fisher est basada en la distribucin exacta de los datos y no en aproximaciones asintticas, y presupone que los marginales de la tabla de contingencia estn fijos. En general, cuando las frecuencias absolutas esperadas, en la gran mayora de casillas o celdas son relativamente grandes (ms de 5), se utiliza el estadstico ChiCuadrado para realizar el contraste mencionado.

Cuando en un 20% de las casillas el valor esperado no es superior a 5, el estadstico anterior no es vlido y generalmente se utiliza la prueba exacta de Fisher. Habitualmente, la prueba exacta de Fisher es ms conservadora que la prueba Chi-Cuadrado. La prueba exacta de Fisher se aplica a variables dicotmicas

Test Exacto de Fisher

Para calcular el estadstico de contraste, se construye en primer lugar la tabla de contingencia de dimensiones 2x2 con las frecuencias absolutas observadas, con la notacin siguiente:

B + -

+ a c
c1

b d
c2

f1
f2 n

A continuacin, se construyen todas las tablas de contingencia 2x2 posibles con celdas a, b, c, d, siendo 0 < a < mn{c1 , f1}, b = f1 a, c = c1 a y d = f2 c. A partir de dichas tablas se calcula: f ! f !c ! c
1 2 1

Donde X! indica el factorial de X que se calcula como x(x-1)(x-2)21, por ejemplo, 5! =54321=120. El p-valor unilateral-izquierda es =

! pa ' ! n!a '!b'!c'! d '!

2

p
a 'e a

a'

y el p-valor bilateral resultante es:

el p-valor unilateral-derecha es =

p
a 'u a

p
a' pa ' e pa

a'

Ejemplo: A partir de la tabla F1 F2 C1 4 1 C2 16 21 20 22

5 37 42

Calcular el valor p correspondiente al Test de Fisher: F1 F2 0 5 1 Calculamos la tabla para a=0 C1 C2 20 17 20 22 entonces

p a0 '

5!37!20!22! ! ! 0,0310 42!0!1!16!21!

C1 C2 F1 1 19 20 F2 4 18 22

5 37 42

2 Calculamos la tabla para a=1

entonces

5!37!20!22! pa1 ' ! ! 0,1720 42!1!4!19!18!

5 37 42

3 Calculamos la tabla para a=2 C1 C2 entonces

F1 2 18 20

F2 3 19 22

p a2 '

5!37!20!22! ! ! 0,3440 42!2!3!18!19!

C1 C2 F1 3 17 20 F2 2 20 22

5 37 42

4 Calculamos la tabla para a=3

Entonces p

a3 '

5!37!20!22! ! ! 0,3096 42!3!2!17!20!

5 37 42

Para a=4 pa4=0,1253 Para a=5 pa5=0,0182 El valor p bilateral es El valor p unil-izq.es: El valor p unil-der.es:

p
pa ' e pa

a'

Los valores de P para cada a a Pa 0 0.0310 1 0.1720 2 0.3440 3 0.3096 4 0.1253 ! 0,1253  0,0182  0,0310 ! 0,1745 5 0.0182

p
a 'e a a 'u a

a'

! 0,0310  0,1720  0,3440  0,3096  0,1253 ! 0,9818 ! 0,1253  0,0182 ! 0,1435

a'

Coeficiente de contingencia
Una forma de cuantificar el grado de asociacin entre dos variables es calcular los coeficientes de asociacin, particularmente aprenderemos el coeficiente de contingencia. Es un valor que se encuentra entre cero y uno ,donde la cercana a cero indica independencia entre las variables. Matemticamente el coeficiente de contingencia se define por :

C!
m

G2 G2  K

Donde k es la cantidad de celdas de la tabla de contingencia y

2 o e ( )  i G2 ! i ei i !1

m = el nmero de filas por columnas oi = frecuencia absoluta observada en la celda i, ei = frecuencia absoluta esperada en la celda i ,si es que las variables fueran independientes.

Ejemplo:
En el caso de los fumadores en la tabla siguiente

Mujeres Fumadores No Fumadores 65 (58) 35 (42)

Hombres 80 (87) 70 (63)

Los valores que aparecen sin parntesis son las frecuencias absolutas observadas y los que aparecen con parntesis son las frecuencias absolutas esperadas, segn estos valores el coeficiente de contingencia es:

C!
ya que

3,35 ! 0,675 3,35  4

2 2 2 2 ( 65  58 ) ( 35  42 ) ( 80  87 ) ( 70  63 ) G2 !    ! 3,35 58 42 87 63

Este valor del coeficiente de contingencia refleja que existe cierto grado de asociacin entre las variables, es decir que fumar depende del sexo de los individuos. ( El porcentaje de fumadores en el grupo del mujeres es mayor )

Prueba Test de Mc Nemar

Prueba no paramtrica para dos variables dicotmicas relacionadas. Contrasta los cambios en las respuestas utilizando la distribucin de chi-cuadrado. Es til para detectar cambios en las respuestas debidas a la intervencin experimental en los diseos del tipo "antes-despus o para comparar dos tipos de tratamiento. Tpicamente, un valor de significacin menor que 0,05 se considera significativo, pero podemos establecer un nivel de significacin distinto (0,01; 0,1.) En una tabla de contingencia:

B + -

+ a c

b d
2 ! G MN

Matemticamente el Estadstico de Mc Nemar se define por :

( b  c  1) 2 bc

2 Nota: Para el valor p, se utiliza la Tabla de G con 1 grado de libertad

Ejemplo 1 Se ejecut la intervencin educativa Salud bucal para modificar los conocimientos sobre higiene bucal en alumnos de tercer grado durante el primer semestre de 1998. La tabla muestra los resultados obtenidos en conocimientos generales: Despues Inadecuado Adecuado Antes Inadecuado 14 102 Adecuado 0 7

2 MN

( b  c  1) 2 bc

( 102  0  1) 2 120  0

10201 ! ! 85 120

2 G MN ! 85 " 10,83 p 0,001

Ejemplo 2 En la tabla se muestra el Grado de variacin de las respuestas subjetivas de dolor en el raquis entre test previo y test posterior a una intervencin en grupos experimentales de primaria y secundaria GRUPOS EXPERIMENTALES CONTRASTE DE ASOCIACIN DE RESPUESTAS TEST PREVIO No dolor Si dolor TOTALES TEST POSTERIOR No dolor Si dolor Totales 4 5 9 0 14 14 4 19 23

2 G MN !

( b  c  1) 2 bc

( 0  5  1) 2 05

16 ! 3,2 5

2 G MN ! 3,2 3,84 p " 0,05

Ejemplo 2 En la tabla se muestra el Grado de variacin de las respuestas subjetivas de dolor en el raquis entre test previo y test posterior a una intervencin en grupos experimentales de Bachillerato GRUPOS EXPERIMENTALES CONTRASTE DE ASOCIACIN DE RESPUESTAS TEST PREVIO No dolor Si dolor TOTALES TEST POSTERIOR No dolor Si dolor Totales 13 10 23 2 9 11 15 19 34

2 MN

( b  c  1) 2 bc

( 2  10  1) 2 2  10

49 ! ! 4,08 12

2 G MN ! 4,08 " 3,84 p 0,05

RIESGO
Se denomina riesgo a la probabilidad de ocurrencia de un evento, tpicamente enfermar, aunque tambin morir, curar, etc.(en la terminologa anglosajona se usan los trminos risk y hazard, este ltimo especialmente si el evento es morir). Se define el riesgo como la probabilidad de que un individuo, libre de enfermedad y susceptible de ella, la desarrolle en un periodo determinado, condicionada a que el individuo no muera a causa de otra enfermedad durante el periodo. Se usa el cociente entre el riesgo en el grupo con el factor y el riesgo en el grupo de referencia como ndice de asociacin y se denomina riesgo relativo (RR) o razn de proporciones.

En la tabla se representan esquemticamente los resultados de un estudio que permita evaluar el RR, en la columna NR figuran los eventos (casos o enfermos: a) y los no casos o controles (c) en la categora que no tiene el factor de Riesgo y en la columna R los de la categora que s tiene el factor. NR Casos a No casos c Total C0 Caractersticas
no tiene dimensiones rango de 0 a RR=1 no hay asociacin entre la presencia del factor y el evento. RR >1 la asociacin es positiva, es decir si la presencia del factor se asocia a mayor ocurrencia del evento RR<1 la asociacin es negativa.

R b d C1 f0 f1

A partir de la tabla

b R1 c1 RR ! ! a R0 c0

Ejemplo
Placebo Casos No casos Total 420 2634 3054 Tratamiento 307 2744 3051

c1 1 ! a 0 c0

Y a partir de la tabla:

c1 307 3051 0,101 1 ! ! ! ! 0,73 a 420 3054 0,138 0 c0

OR
Existe otra manera, proveniente del mundo del juego, de representar la probabilidad de ocurrencia de un evento y es mediante el cociente entre la probabilidad de que ocurra el evento y la probabilidad de que no ocurra. Este cociente, que en ingls se denomina odds y para el que no hay una traduccin espaola comnmente aceptada, indica cuanto ms probable es la ocurrencia del evento que su no ocurrencia. El odds ratio (OR) o razn de ventajas es el cociente entre el odds en el grupo con el factor y el odds en el grupo sin el factor.

NR Casos No casos Total a c C0

R b d C1

El OR se calcula

Caractersticas
no tiene dimensiones rango de 0 a .

b c1 R d 1 ds R o d bvc c1 1  1 1 OR ! ! ! ! a avd R0 o d ds 0 c0 1 R 0 c c0

OR=1 si no hay asociacin entre la presencia del factor y el evento OR>1 si la asociacin es positiva, es decir si la presencia del factor se asocia a mayor ocurrencia del evento y OR<1 si la asociacin es negativa.

Ejemplo
Placebo Casos No casos Total 420 2634 3054 Tratamiento 307 2744 3051

El OR se calcula:

b v c 307 v 2634 OR ! ! ! 0,70 a v d 420 v 2744