See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/289672217

Análisis de Poder Estadístico y su Aplicación a

Evaluaciones Experimentales

Research · January 2016

DOI: 10.13140/RG.2.1.1545.7366

CITATIONS READS

0 161

1 author:

Nora Gesto Giannattasio

Oficina de Planeamiento y Presupuesto, Presidencia, Uruguay.
6 PUBLICATIONS 3 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Evaluación de Impacto View project

All content following this page was uploaded by Nora Gesto Giannattasio on 09 January 2016.

The user has requested enhancement of the downloaded file.

 Maestrı́a en Ingenierı́a Matemática - Udelar.
Octubre 2015

Análisis de Poder Estadı́stico

y su Aplicación a Evaluaciones Experimentales
Nora Gesto1 *

Resumen
El cálculo y análisis del poder estadı́stico es un paso relevante al momento de concluir en una
evaluación experimental, dado que se puede estar rechazando la presencia de un efecto derivado de
un tratamiento, cuando en realidad no hay suficiente poder estadı́stico para arribar a dicha conclusión.
En este documento se presentan los conceptos claves del análisis de poder estadı́stico, un ejemplo de
su forma de cálculo y el análisis crı́tico respecto a su implementación desde un análisis prospectivo
versus uno retrospectivo.
Keywords
Poder estadı́stico, Evaluación de Impacto, Pruebas de Hipótesis.
*Contacto: noragesto@hotmail.com

Índice ambientales, etc) se deben de tomar importantes decisio-

nes, Steidl (2001)[7]:
Introduction 1 i) en cuanto a la cantidad de tratamientos a aplicar, ii)
1 Poder Estadı́stico y Nivel de Significación. 2 la forma en que cada unidad es asignada en el experi-
2 Tamaño del Efecto (Effect Size - ES). 4 mento al grupo de tratamiento, y iii) la forma en que se
selecciona la muestra de la población de interés.
3 Análisis Prospectivo vs Retrospectivo 5
3.1 Análisis Prospectivo . . . . . . . . . . . . . . . . . . 5 Al tener que tomar este tipo de decisiones, es importante
3.2 Análisis Retrospectivo . . . . . . . . . . . . . . . . . 6 tener una herramienta que permita comparar los distin-
3.3 Crı́tica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 tos y potenciales diseños, siendo el análisis de poder
4 Forma de Cálculo 9
estadı́stico una herramienta adecuada [7].
5 Conclusión 10 En este sentido, el cálculo de poder estadı́stico es valioso
Referencias 10 en la planificación de un experimento dado que, si la
prueba de hipótesis da como resultado que es no signifi-
cativa estadı́sticamente, no es suficiente para establecer
Introduction que hay falta de impacto o efecto.

Es utilizado en áreas de investigación sobre impactos

Para evaluar los efectos de la aplicación de determinado
ambientales, seguridad de productos, bienestar público y
tratamiento a una población dada, se diseñan experimen-
otro tipo de diseños de evaluación experimental donde
tos donde se asignan unidades aleatoriamente a grupos
se busca encontrar el efecto o impacto de determinado
de tratamiento y de control. Ésto permite inferir que las
tratamiento aplicado.
diferencias futuras en la variable de resultados es un es-
timador insesgado de las diferencias en los impactos del
Es un tipo de test llevado a cabo por los investigadores
tratamiento ofrecido, Bloom (2006)[2].
para evitar concluir falsamente que determinado trata-
miento tiene efectos, cuando en los hechos no los tiene,
En el diseño de estudios y/o experimentos, donde se
por lo cual se quiere proteger a las personas de con-
quiere determinar el efecto de la aplicación de un trata-
cluir que no hay impactos cuando pueden existir serios,
miento (tanto en ciencias biológicas, médicas, sociales,

y su Aplicación a Evaluaciones Experimentales — 2/10
peligrosos o dañinos efectos.
Hay gran cantidad de literatura que promueve que se
hagan los cálculos de poder cada vez que uno realiza una
prueba estadı́stica de una prueba de hipótesis y obtiene
de resultado que es estadı́sticamente no significativa. Los
defensores de tales cálculos de poder post-experimento
afirman que los cálculos se debe utilizar para ayudar en
la interpretación de la resultados experimentales.
El hecho de no rechazar la hipótesis nula de no efecto
puede ser el resultado de la baja potencia estadı́stica
cuando realmente existe efecto y la hipótesis nula de
no efecto es de hecho falso. Esto es conocido como
el dilema del no rechazo de la hipótesis nula, Hoenig
(2001)[4].
Cohen (1988) [p.16] [3] afirma que si se diseña un es-
tudio para que tenga alto poder (1 − β ) para detectar
alejamientos ∆ de la hipótesis nula (siendo ES[effect
size]=∆), y no se rechaza H0 , entonces la conclusión de
que el verdadero valor del parámetro se encuentra en ∆
unidades del valor de la hipótesis nula, es significativo
al nivel β . Por lo cual, usando la misma lógica con la
que se rechaza la hipótesis nula con un riesgo de α, la
hipótesis nula puede ser aceptada en preferencia respecto
a la que mantiene que ES=∆ con riesgo igual a β .
1. Poder Estadı́stico y Nivel de
Significación.
El análisis de poder estadı́stico está vinculado a discusio-
nes sobre prueba de hipótesis y niveles de significación.
En un estudio comparativo de dos grupos realizado me-
diante un experimento aleatorio perfectamente imple-
mentado, el poder es la probabilidad de descubrir un
efecto causal del tratamiento cuando tal efecto realmente
existe.
Es la posibilidad de rechazar la hipótesis de que los dos
grupos comparten una media poblacional común y por
lo tanto significan que no hay una diferencia entre las
medias de la población de los dos grupos, cuando en
realidad hay una diferencia de una magnitud dada. Es
por lo tanto, la oportunidad de tomar la decisión correcta
de que los dos grupos son diferentes entre sı́.
En un diseño de evaluación donde se tiene un grupo tra-
Análisis de Poder Estadı́stico
tado y un grupo de control, la hipótesis nula más común
indica que no hay diferencia entre las medias poblacio-
nales de la variable de resultados entre los grupos de
tratamiento y control. La hipótesis alternativa afirma
que hay una diferencia entre los grupos, y dicha dife-
rencia puede ser expresada como un efecto positivo del
tratamiento, un efecto de tratamiento negativo, o simple-
mente significa que el tratamiento no es igual a la media
del grupo de control.
H0 : µT = µC (caso de medias poblacionales iguales).
Ha : µT 6= µC (caso de medias poblacionales distintas).
Para esta prueba de hipótesis se puede utilizar un t-test
para generar el estadı́stico t.
µ¯T − µ¯C
t= σ ,
√
n
siendo µ¯T la media de la variable de resultados en el gru-
po de tratados, µ¯C la media de la variable de resultados
en el grupo de control, σ el error estándar y n la cantidad
de casos en la muestra.
Después que las hipótesis están claramente establecidas
y los datos se han recogido y analizado, el investigador
debe decidir si hay suficiente evidencia para rechazar la
hipótesis nula.
En el cuadro 1 se presentan los posibles tipos de error
que pueden darse en las pruebas de hipótesis. El nivel
de significación denotado con α, es la probabilidad de
rechazar la hipótesis nula cuando es verdadera (Prob
(rechazar H0 |H0 cierta) = α). Esto se conoce como una
tasa de Error de Tipo I, el cual se produce cuando el
investigador encuentra una diferencia significativa entre
los dos grupos cuando en los hechos no son diferentes.
Por lo tanto, la probabilidad de tomar la decisión correcta
es Prob (no rechazar H0 |H0 cierta) = (1 − α).
Por otro lado, cuando la hipótesis nula es falsa la decisión
correcta es rechazar H0 . En este caso, la probabilidad
de realizar la decisión correcta es la definición de poder
estadı́stico y está dada por: Prob (rechazar H0 |H0 falsa) =
(1−β ). El Error de tipo II es la probabilidad de mantener
una hipótesis nula cuando ésta es falsa y está denotado
 Análisis de Poder Estadı́stico
y su Aplicación a Evaluaciones Experimentales — 3/10

Cuadro 1. Tipos de Error en Pruebas de Hipótesis.

No Rechazo la Rechazo la
Hipótesis Nula Hipótesis Nula

Hipótesis Nula No hay Error Error de Tipo I

Verdadera Probabilidad = 1 − α Probabilidad = α

Hipótesis Nula Error de Tipo II No hay Error

Falsa Probabilidad = β Probabilidad = 1 − β
Fuente: Spybrook (2011) [6].

con β = Prob (no rechazar H0 |H0 falsa). En este caso,
el investigador pasa por alto una diferencia significativa
cuando en realidad existe.
Como no es deseable cometer ninguno de los dos tipos
de errores, se va a querer tener un alto poder estadı́stico
(por ejemplo, (1 − β )=0.8), de forma que la probabilidad
de poder detectar correctamente la diferencia entre la
media de las dos poblaciones sea de un 80 %.
Si un estudio tiene poco poder, una diferencia que sea pe-
queña y apenas significativa posiblemente no podrá ser
detectada, y éste es el factor importante al momento
del diseño del estudio o experimento. Dado que la reali-
zación de los experimentos esta asociada a inversiones
costosas, que no se pueda concluir sólo debido a una
carencia de poder estadı́stico implica una debilidad im-
portante en el diseño.
El análisis de poder estadı́stico puede hacerse desde 2
enfoques:
El enfoque de determinación del poder (“power deter-
mination”) asume un tamaño de efecto dado producido
por la intervención, y el objetivo es poder calcular el
poder estadı́stico con el cual se puede detectar ese efecto
para un tamaño de muestra dado.
tamaño de muestra dado.
En la figura 1 se ilustra que el efecto mı́nimo detectable
de un estimador de impacto es un múltiplo de su error
estándar. En la campana de distribución de la izquierda
se representa la distribución t para una hipótesis nula
de cero impacto. Para que una estimación de impacto
positiva sea estadı́sticamente significativa al nivel de α
en un test a una cola (o α/2 en un test a dos colas), la
estimación debe de caer a la derecha del valor crı́tico tα
(o tα/2 ) de la primer distribución.
La campana de distribución a la derecha representa a la
distribución t para una hipótesis alternativa de que el ver-
dadero impacto es igual a un efecto mı́nimo detectable.
Para tener una probabilidad de (1 − β ) 1 de detectar el
efecto mı́nimo detectable, éste debe encontrarse a una
distancia de t1−β a la derecha del valor crı́tico t de la
hipótesis nula.
Por lo tanto, el efecto mı́nimo detectable
debe de encon-

trarse a una distancia total de tα + t1−β (o tα/2 + t1−β )
de la hipótesis nula. Dado que los t-valor son múltiplos
de los errores estándar del estimador de impacto,
el efec-
to mı́nimo detectable es por lo tanto tα + t1−β veces

el error estándar (para el test a una cola) o tα/2 + t1−β
veces el error estándar (para el test a dos colas).

En el enfoque de tamaño del efecto (“effect size”) se
toma como dado el nivel de poder estadı́stico y el objeti-
vo es calcular el mı́nimo efecto que puede ser detectado
para ese nivel de poder y tamaño de muestra.
Bloom (1995) [1] define el Efecto Mı́nimo Detectable
(Minimum Detectable Effect Size - MDES) como el
mı́nimo efecto que puede ser detectado para un nivel
de poder y nivel de significación especificado, para un
Dados los conceptos manejados, el análisis de poder
estadı́stico esta directamente vinculado al diseño de ex-
perimento seleccionado. Los parámetros a considerar
en el cálculo difieren dependiendo de si en el diseño la
aleatorización fue por individuo y/o con estratos o por
clusters, y si constó de una o más etapas.
1 En la figura 1 se representa con una B a β , por lo tanto (1 − β )
es equivalente a (1 − B).

y su Aplicación a Evaluaciones Experimentales — 4/10
Figura 1. Efecto Mı́nimo Detectable.
Fuente: Bloom (2006)[2]
Adicionalmente la inclusión de covariables en las esti-
maciones afecta a los cálculos de poder y/o tamaños de
muestra, por lo cual es una forma utilizada para incre-
mentar la precisión del estudio y reducir el tamaño de la
muestra. El uso de covariables requiere que se cumplan
dos supuestos: i) que la covariable tenga una asociación
lineal fuerte con la variable de resultados, ii) que di-
cha asociación sea similar dentro de cada condición del
tratamiento.
La estratificación en la aleatorización es utilizado habi-
tualmente en los diseños experimentales para mejorar la
validez y/o la precisión y poder estadı́stico del experi-
mento.
En la aleatorización de individuos, la idea de aleatorizar
en estratos es encontrar bloques donde los individuos
dentro de cada bloque o estrato sean muy similares entre
sı́ respecto a la variable de resultados, luego se aleatoriza
a tratamiento y control dentro de cada estrato.
La varianza entre los bloques no afecta el error estándar
de las estimaciones del efecto en los tratados, inclusi-
ve si dicha varianza es grande la estratificación logra
incrementar el poder estadı́stico.
Los mismos argumentos se aplican a la aleatorización de
clusters, donde el objetivo es encontrar bloques donde los
Análisis de Poder Estadı́stico
cluster sean similares respecto a la variable de resultados.
Esto reduce la heterogeneidad dentro de los bloques,
incrementando la precisión de la estimación del efecto
en los tratados.
2. Tamaño del Efecto (Effect Size - ES).
El concepto de tamaño del efecto puede ser usado para
cuantificar la respuesta al tratamiento en el experimento,
o el grado en que el fenómeno de interés está presente
en la población de interés (en estudios observacionales).
El concepto usado en el análisis de poder no es un
parámetro poblacional, sino que es un valor hipotético
que está determinado por el investigador en las hipóte-
sis nula y alternativa. Hay varias formas de medir el
ES y por lo tanto en cada caso debe de especificarse
explicitamente cual va a utilizarse, Steidl (2001)[7].
Efecto simple. Cuando la pregunta de interés puede ser
reducida a un único parámetro, como la pregunta
sobre la diferencia entre las medias de dos pobla-
ciones o la diferencia de la media de una población
con un valor fijo.
Efecto absoluto. Establecido como alejamientos de la
hipótesis nula y tiene la misma unidad que el

y su Aplicación a Evaluaciones Experimentales — 5/10
parámetro de interés. En una regresión lineal sim-
ple, una medida del tamaño del efecto absoluto
es la diferencia entre la pendiente de la linea de
regresión y una pendiente cero.
Efecto relativo. Representa el cambio en la variable de
resultados debido al tratamiento relativo al valor
en el grupo de control (µT − µC )/µC . En general
son expresados en porcentaje, p.ej. el porcenta-
je de incremento en el tamaño de una población
debido al tratamiento.
Efecto estandarizado. Es una medida del efecto abso-
luto escalado con la varianza, y por lo tanto com-
bina dos componentes a testear en la hipótesis.
Una medida del tamaño del efecto estandarizado
está dado por |µT − µC | /σ , donde σ es el error
estándar agrupado de la población. Las medidas
estandarizadas no estan expresadas en ninguna
unidad de medida, por lo tanto son comparables
a través de varios estudios. Pueden ser útiles al
momento de la planificación de la investigación
como una forma de especificar el tamaño del efec-
to cuando no se dispone de datos preexistentes al
respecto (por ejemplo cuando no se tiene conoci-
miento de σ ).
Efectos complejos. Se consideran cuando hay varios
tratamientos simultáneos. Una hipótesis nula de
un experimento en estos casos podrı́a ser H0 : µ1 =
µ2 = ... = µk , donde µ1 es la media de los con-
troles y de µ2 a µk son las medias de los (k − 1)
niveles de tratamiento
Las funciones de distribución de los parámetros que ha-
bitualmente se utilizan para las pruebas de hipótesis son
conocidas como distribución central, las cuales forman
parte de un tipo de distribución más general conocida
como distribución no central.
La distribución central describe la distribución del es-
tadı́stico bajo el supuesto de que la hipótesis nula es
cierta. La distribución no central está dada para cual-
quier hipótesis alternativa definida.
Por lo tanto, en el caso de la distribución no central se tie-
ne un parámetro adicional a considerar, que corresponde
a la medida del tamaño del efecto.
En una distribución t no central, asumiendo un t-test con
Análisis de Poder Estadı́stico
2 muestras, el tamaño del efecto (parámetro no central)
que puede ser tomado como una medida del tamaño del
efecto estandarizado es2 :
|µT − µC |
r
nT nC
δ= .
σ nT + nC
3. Análisis Prospectivo vs Retrospectivo
3.1 Análisis Prospectivo
El análisis prospectivo es el que se realiza cuando se esta
planificando un estudio experimental. Tiene una natura-
leza exploratoria y provee la oportunidad de investigar
como los cambios que se hagan al diseño del estudio
y sus componentes de análisis de poder estadı́stico (ta-
maño de la muestra n, tamaño del efecto ES, y varianza
de la población σ 2 ) pueden influir en la capacidad del
estudio de hacer inferencia y alcanzar los objetivos.
El análisis prospectivo de poder estadı́stico es usado
principalmente para determinar:
1. el tamaño de muestra n necesario para asegurar
un nivel determinado de poder en el test de hipóte-
sis nula, dado un nivel especificado de ES, α y
varianza.
2. el poder que puede tenerse en el test de hipótesis
nula cuando estan dados el ES, α, varianza y un
nivel máximo de tamaño de muestra previamente
definido por cuestiones logı́sticas o de costos del
experimento.
3. el efecto mı́nimo detectable, dado un nivel pre-
visto de poder, α, varianza y tamaño de muestra.
En la Figura 2 se presentan las relaciones entre tamaño
de muestra y poder estadı́stico que se darı́an para un
ejemplo de tres niveles de tamaño de efecto considerados:
pequeño δ = 0,09, mediano δ = 0,23 y grande δ = 0,36.
Es notorio como el tamaño de efecto esperado está muy
vinculado al poder estadı́stico y tamaño de la muestra.
Cuanto menor tamaño del efecto que se quiere detectar
2 Para dos muestras con igual varianza σ 2 . En caso de tener dis-
tintas varianzas se debe contemplar en el cálculo.
 Análisis de Poder Estadı́stico
y su Aplicación a Evaluaciones Experimentales — 6/10

es necesario tamaños de muestra más grandes para poder Figura 2. Estimación de tamaño de muestra y poder
tener un poder estadı́stico adecuado. La varianza de los para cada nivel de δ .
datos también afecta mucho a estos cálculos, siendo
las varianzas altas o muy dispares entre ambos grupos
lo que determina la necesidad de tamaños de muestra
mayores para poder obtener conclusiones con niveles
adecuados de poder estadı́stico. Este tipo de factores es
importante tenerlos en cuenta al momento de definir un
estudio porque puede llegar a afectar notablemente los
costos del mismo.

En cada uno de los casos es necesario para el cálculo

conocer la varianza poblacional, lo cual es altamente im-
probable y hace necesario poder estimar dicha varianza.

El método más utilizado para tener estimaciones de la

varianza a priori es a través de las los estudios piloto.
No solo habilitan a tener una estimación de la varianza
con intervalos de confianza, sino que además permiten
testear en campo el diseño de evaluación propuesto.
Otra forma de estimar esa varianza poblacional es a
través del uso de ese dato obtenido de estudios previos
con similares caracterı́sticas, en este caso también es
recomendable realizar la estimación considerando es-
cenarios de máxima y mı́nima de poder estadı́stico en
función del intervalo de confianza de la varianza.
Por último, si no se dispone de ningún dato a priori que
permita estimar la varianza, la única opción que queda
es realizar análisis de sensibilidad utilizando un rango
posible de valores para la varianza esperando que el
verdadero valor de la varianza esté dentro de ese rango y
por lo tanto tener un escenario de máxima y mı́nima de
poder estadı́stico estimado.
En varias ocaciones el diseño del estudio es más comple-
jo que simplemente comparar dos muestras de población.
En estos casos hay que considerar alternativas adicio-
nales para aumentar el poder estadı́stico cuando hay un
presupuesto fijo que implica restricciones en el tamaño
de muestra.
Fuente:Elaboración propia con software Optimal Design. Tamaños
de ES considerados: pequeño δ = 0,09, mediano δ = 0,23 y grande
δ = 0,36.
3.2 Análisis Retrospectivo
El análisis retrospectivo se realiza luego de que el estudio
experimental fue realizado y se han analizado los datos.
En este momento toda la información necesaria para
realizar los cálculos de poder estadı́stico están disponi-
bles: el diseño del experimento, el tamaño de muestra
n, el nivel de significación α y el tamaño del efecto
y la varianza observados en la muestra que proporcio-
nan una estimación del tamaño del efecto y la varianza
poblacional.
El análisis de poder retrospectivo habitualmente se lleva
a cabo cuando el test estadı́stico falla en proporcionar
suficiente evidencia para rechazar la hipótesis nula. En
esa situación es importante poder distinguir las posibles
razones:

Las formas de hacerlo pueden ser a través de [7]: i)

incrementos en el tamaño del efecto que puede obtenerse
a partir de incremento de tratamiento o de intensidades
en los niveles de tratamiento, ii) reducir el error del
experimento a través de la estratificación en el proceso
de aleatorización, o iii) incorporar covariables en las
estimaciones.
el verdadero tamaño del efecto no es importante y
por lo tanto la hipótesis nula es verdadera
el verdadero tamaño del efecto es importante, pe-
ro se falla en rechazar la hipótesis nula (p.ej se
comete el Error del Tipo II).

y su Aplicación a Evaluaciones Experimentales — 7/10
Para identificar la razón se calcula el poder estadı́stico de
detectar un efecto mı́nimo, dado el tamaño de la muestra,
el nivel de α y la varianza estimada en el estudio.
Si el poder para ese efecto mı́nimo es grande, entonces
el verdadero tamaño del efecto de magnitud mı́nima
deberı́a tener resultados estadı́sticamente significativos.
Pero, dado que el test dio no significativo, se puede
inferir de que el verdadero tamaño del efecto puede
ser pequeño o grande, por lo tanto el resultado no es
concluyente y no se deberı́a hacer inferencia a partir de
ese resultado.
Otra aproximación puede hacerse a través de la estima-
ción del Efecto Mı́nimo Detectable para un nivel dado
de poder, o la estimación del tamaño de muestra que
hubiese sido necesario para poder detectar ese tamaño
de efecto observado.
3.3 Crı́tica
La estimación del poder estadı́stico de forma retrospecti-
va es un tema controvertido, tanto en Steidl (2001) como
en Hoenig (2001) se realizan fuertes crı́ticas al respecto.
Si bien hay investigadores defensores del método que
apoyan realizar el cálculo de poder post-experimento
porque afirman que puede ayudar en la interpretación
de los resultados experimentales, hay investigadores que
consideran que es una práctica inválida.
En Steidl (2001) [7] se considera que el análisis de poder
estadı́stico retrospectivo puede llegar a tener lugar de
forma informativa, pero no conluyente y recomiendan
un abordaje alternativo en las situaciones de rechazo de
la hipótesis nula que consta en el uso de intervalos de
confianza.
Plantean 4 problemas asociados a esa práctica que habi-
tualmente no son tomados en cuenta:
1. Se asume que la estimación del poder estadı́stido
para un tamaño de efecto dado, puede traducirse
en una aseveración sobre la confianza del tamaño
del efecto verdadero, cuando no es es posible ha-
cerlo.
2. Realizar los cálculos de poder de forma retrospec-
Análisis de Poder Estadı́stico
tiva solo cuando la hipótesis nula no es rechazada
compromete todo el análisis realizado.
3. Los intervalos de confianza sobre las estimaciones
de poder estadı́stico o del tamaño del efecto son
muy conservadores (muy amplios) siendo poco
útiles en el análisis posterior de los resultados.
4. La inferencia realizada a partir del análisis retros-
pectivo de poder (que no usa información sobre
el tamaño del efecto observado) es ineficiente res-
pecto a la utilización de intervalos de confianza
del tamaño del efecto estimado.
Otras crı́ticas se han desarrollado en el análisis de prue-
bas de hipótesis y cálculos del poder estadı́stico que no
apuntan exclusivamente a la comparación de análisis
prospectivo vs retrospectivo.
Por un lado, están las crı́ticas que apuntan a la definición
de los enunciados de las hipótesis nula y alternativa,
abordado por las pruebas de bioequivalencia ofreciendo
una propuesta alternativa.
Por otro lado, están las crı́ticas sobre las pruebas de
hipótesis que proponen enfocar las conclusiones en el
análisis de los intervalos de confianza y no tanto en el
resutlado de la prueba de hipótesis en si.
Pruebas de Bioequivalencia.
Algunas de las crı́ticas realizadas a las pruebas de hipóte-
sis tradicionales se basan en la consideración de que la
hipótesis nula nunca llegue a ser cierta en algunos casos,
y por lo tanto la realización de la prueba pierde sentido
e interés.
A partir de esta crı́tica, se realiza una propuesta alter-
nativa dada por las pruebas de bioequivalencia que se
utilizan habitualmente en estudios farmacéuticos e inves-
tigaciones ambientales y sobre ecologı́a.
Las pruebas de bioequivalencia básicamente lo que ha-
cen es intercambiar los roles de la hipótesis nula y la
alternativa, de forma que en vez de testear si el tratamien-
to tiene efecto nulo, se considera que el tratamiento tiene
efecto a no ser que se tenga evidencia de lo contrario.
Primero, se define un tamaño del efecto mı́nimo que se
considera “biológicamente” importante: ∆crit .

y su Aplicación a Evaluaciones Experimentales — 8/10
Luego se fija una hipótesis nula que establece que el
verdadero tamaño del efecto es mayor o igual a ese valor
de tamaño del efecto mı́nimo.
Por último, se establece una hipótesis alternativa que
establece que el verdadero tamaño del efecto es menor
al ∆crit . Estas hipótesis se pueden establecer como:
H0 : |µT − µC | ≥ ∆crit , que representa al caso en que
existe un efecto biológicamente importante.
Ha : |µT − µC | < ∆crit , que representa al caso en que
no existe un efecto biológicamente importante.
En este contexto, el Error del Tipo I ocurre cuando el
investigador conlcuye incorrectamente que no hay una
diferencia importante cuando realmente hay, siendo este
el error de tipo II definido como poder estadı́stico en el
análisis de pruebas de hipótesis tradicional. Sin embargo,
en ésta reformulación de las hipótesis, el error de tipo II
se da cuando el investigador concluye incorrectamente
que existe una diferencia de tamaño importante cuando
en realidad no existe.
Por lo tanto, la tasa de error de concluir que no hay efecto
cuando realmente hay se puede controlar a través de la
fijación del nivel de α y ya no es β como en las pruebas
tradicionales.
Intervalos de Confianza.
Otra crı́tica realizada al análisis y conclusiones derivados
a partir de pruebas de hipótesis está dado por el hecho de
que un test tenga resultado estadı́sticamente significativo
no necesariamente refleja la importancia biológica del
resultado.
Por ejemplo, un resultado estadı́sticamente significativo
puede ser encontrado para un tamaño de efecto biológi-
camente trivial, cuando el tamaño de la muestra es lo
suficientemente grande o las varianzas suficientemente
pequeñas.
Para evaluar la hipótesis nula también pueden utilizarse
los intervalos de confianza para la estimación de un nivel
observado de tamaño de efecto.
El análisis de poder estadı́stico se enfoca en la probabili-
dad de obtener resultados estadı́sticamente significativos
Análisis de Poder Estadı́stico
si el tamaño del efecto es biológicamente importante.
En este caso el intervalo de confianza representa al ran-
go de datos generados por la muestra que no pueden
excluirse como posibles valores del verdadero tamaño
del efecto con probabilidad (1 − α).
Si el 100(1 − α) % del intervalo de confianza del efecto
observado no incluye el valor establecido en la hipótesis
nula, se puede concluir con un 100(1 − α) % de con-
fianza que la prueba de hipótesis es estadı́sticamente
significativa a un nivel α.
Adicionalmente, los intervalos de confianza proveen más
información que una prueba de hipótesis, dado que es-
tablece los lı́mites aproximados dentro de los cuales es
probable que se encuentre el verdadero valor del tamaño
del efecto. En promedio, el 100(1 − α) % de los interva-
los de confianza van a contener el verdadero valor del
parámetro estimado el 100(1 − α) % de las veces.
Por lo tanto, en situaciones en las que la hipótesis nula
no serı́a rechazada en la prueba de hipótesis, se puede
utilizar el intervalo de confianza para evaluar sı́ el efecto
biológicamente importante es realmente posible.
Si el intervalo de confianza no incluye un valor suficien-
temente grande como para ser considerado biológica-
mente importante, se puede concluir con una confianza
de 100(1 − α) % que no se dio ningún efecto biológica-
mente importante.
Sin embargo, si el intervalo de confianza incluye valores
que son biológicamente importantes, el resultado no es
concluyente, Steidl (2001).
Figura 3. Análisis de una prueba de hipótesis a través
de intervalos de confianza.
Fuente:Steidl (2001).

y su Aplicación a Evaluaciones Experimentales — 9/10
En la Figura 3 se presenta un ejemplo del tipo de in-
terpretación que se puede hacer a partir del análisis de
intervalos de confianza.
Los circulos muestran los efectos observados hipotéticos
asociados aun intervalo de confianza de 100(1 − α) %.
La lı́nea horizonal central representa el efecto cero, y
las lı́neas punteadas representan los efectos mı́nimos
biológicamente importantes.
Caso A. El intervalo de confianza para el efecto esti-
mado no incluye el cero e incluye solamente a efectos
biológicamente importantes. Por lo tanto, el estudio es
estadı́sticamente y biológicamente importante.
Caso B. El intervalo de confianza excluye el efecto cero
(el estudio es estadı́sticamente significativo), pero inclu-
ye valores que están por debajo de los que se pensó que
eran biológicamente importantes. Por lo tanto, el estudio
no es biológicamente concluyente.
Caso C. El intervalo de confianza incluye al efecto cero
y efectos importantes biológicamente. Por lo tanto, el es-
tudio no es concluyente ni biológica ni estadı́sticamente.
Caso D. El intervalo de confianza incluye al efecto cero
pero excluye los efectos considerados biológicamente
importantes, por lo tanto la hipótesis nula de que no hay
efectos biológicamente importantes puede ser aceptada
con un 100(1 − α) % de confianza.
Caso E. El intervalo de confianza excluye el efecto cero
pero no incluye efectos considerados biológicamente
importantes, por lo tanto el estudio es estadı́sticamente
pero no biológicamente importante.
Por lo tanto, cuando el intervalo de confianza excluye
al tamaño del efecto cero, es equivalente a rechazar la
hipótesis nula con un nivel α. Entonces, la probabilidad
de que el intervalo de confianza excluya el tamaño del
efecto nulo, dado un tamaño de efecto especificado, es
equivalente al poder estadı́stico del test.
4. Forma de Cálculo
Las fórmulas necesarias para calcular cualquiera de las
tres variables que se mencionaron a lo largo del docu-
mento: poder estadı́stico β , tamaño de la muestra n y
tamaño del efecto δ , varı́an de acuerdo a la prueba de
Análisis de Poder Estadı́stico
hipótesis que se vaya a hacer. Si la diferencia de me-
dias es de la variable en niveles, o es una variable en
porcentajes.
También varı́a de acuerdo al tipo de muestreo que se
vaya a hacer en los datos, si es por cluster, por estratos
o muestreo simple, y también influye si al momento del
cálculo del impacto del tratamiento se incluyen variables
explicativas en las regresiones que mejoren la capacidad
explicativa del modelo.
El objetivo del presente documento no es el desarrollo
de todos los tipos de formulaciones posibles, sino que se
enfoca en la comprensión de la importancia de considerar
el poder estadı́stico en las evaluaciones experimentales
y las diferentes opiniones que hay respecto a este tema.
Se presenta a modo de ejemplo, el desarrollo de las
ecuaciones necesarias para el cálculo en el caso de que
se realicen test en dos muestras a dos colas, y asumiendo
que los estadı́sticos que se van a usar son Z o t.
En estos casos el poder estadı́stico (1 − β ) es calculado
como la probabilidad de que el test estadı́stico sea mayor
o igual al lı́mite superior de los valores crı́ticos de la
distribución aproximada.


(1 − β ) = 1 − FZ (z1−α/2 − Zhyp ) + FZ (zα/2 − Zhyp ) ,
donde FZ (x) es la función de distribución acumulada
de una distribución normal en el punto x, z1−α/2 es el
cuantil (1 − α/2) de la distribución normal y Zhyp es
el percentil 100p de una distribución normal estándar,
calculado como:
r
∆ nT nC
Zhyp = ,
σ nT + nC
siendo ∆ la diferencia entre la media de los grupos, σ la
desviación estándar conjunta, y nT y nC son los tamaños
de las muestras de cada grupo.
Para un t − test el poder estadı́stico esta dado por:


(1 − β ) = 1 − Ft (t1−α/2,v |v, δ ) + Ft (tα/2,v |v, δ ) ,

donde Ft (x|v, δ ) es la función de densidad acumulada de
una distribución no central t con v grados de libertad y
parámetro no central δ , evaluado en x.
El t p,v es el percentil 100p de una distribución central t
con v grados de libertad.
El parámetro no central δ está dado por:
r a través de pruebas de bioequivalencia, o a través de in-
∆ nT nC
δ= , tervalos de confianza parecen ser propuestas adecuadas
σ nT + nC
siendo ∆ la diferencia entre la media de los grupos, σ la
desviación estándar conjunta, y nT y nC son los tamaños
de las muestras de cada grupo.
En Rosner (2006) [5] se presenta el tamaño de muestra
requerido en un test de igualdad de medias como los
presentados previamente para un grupo de tratamiento
y control en una evaluación experimental (asumiendo
normalidad) como:

2
(σT2 + σC2 )/r


z1−α/2 + z1−β
nT =
2
(µT − µC )
siendo r = nC /nT .
5. Conclusión
A partir del desarrollo previo, se puede concluir que el
análisis de poder estadı́stico es una herramienta funda-
mental en el análisis prospectivo.
Permite hacer una comparación de escenarios de acuerdo
a los tamaños de muestra y tamaños de efectos a detec-
tar, de forma de orientar al investigador en el momento
de la definición de la metodologı́a del experimento, la
logı́stica y cálculo de costos, previniendo de posibles
View publication stats
Análisis de Poder Estadı́stico
y su Aplicación a Evaluaciones Experimentales — 10/10
errores de implementación en el experimento que lleven
a que los resultados no sean buenos para la inferencia
por no haber tomado determinadas precauciones previo
al levantamiento de datos.
En cuanto al análisis retrospectivo, dadas las numerosas
crı́ticas al respecto, no parece ser el análisis más adecua-
do cuando quiere validarse los resultados obtenidos.
Sin embargo, las propuestas de interpretar los resultados
y más robustas.
Referencias
[1] Bloom, H. (1995). Minimum Detectable Effects: A
simple way to report the statistical power of experi-
mental designs. Evaluation Review 19(5): 547-56.
[2] Bloom, H. (2006). The Core Analytics of Randomi-
zed Experiments of Social Reserch. Manpower De-
mostration Reserch Corporation - MDRC Working
Papers on Research Methodology.
[3]
, Cohen, J. (1988). Statistical Power Analysis for the
Behavioral Sciences. Second Edition. New Jersey:
Lawrence Erlbaum.
[4] Hoenig, J.M. and Heisey, D.M. (2001). Te Abuse of
Power. The American Statistician, 55:1,19-24.
[5] Rosner, B. (2010). Fundamentals of Biostatis-
tics. Harvard University. 7ma Edición. 2011, 2006
Brooks/Cole, Cengage Learning.
[6] Spybrook, J. and Bloom, H. et.al. (2011). Optimal
Design Plus Empirical Evidence. William T. Grant
Foundation.
[7]Steidl, R.J and Thomas, L. (2001). Power Analysis
and Experimental Design. pág. 14-36 in Scheiner,
S.M. and Gurevitch Design and Analysis of Ecolo-
gical Experiments. 2nd Edition. Oxford University
Press, New York.