Medicina Basada en la Evidencia

Pruebas no paramétricas… – 601 – INTRODUCCIÓN E n estadística inferencial existen dos tipos de pruebas estadísticas que difieren en cuanto a la referencia que tomemos en el contraste de hipó- tesis: las pruebas paramétricas y las no paramétricas. Las paramétricas, tratadas en capítulos anteriores, se basan en la comparación de un parámetro, como la media, y una distribución de datos conocida de ante- mano, como la distribución normal o la t de Student. Estas pruebas precisan muestras de un tamaño sufi- cientemente grande y datos que no presenten una asi- metría manifiesta. Las pruebas no paramétricas no precisan ninguna supo- sición sobre la distribución de probabilidad de la varia- ble en la población; de ahí que algunos las denominen pruebas libres de distribución. El contraste de hipótesis no está basado en ningún parámetro, se fundamenta en la comparación del orden que presentan los datos, no está sujeto a un determinado tamaño muestral y fun- ciona bien cuando la asimetría de los datos o su distri- bución no se aproxima a una distribución normal. CARACTERÍSTICAS DE LAS PRUEBAS NO PARAMÉTRICAS De forma general, las pruebas no paramétricas compar- ten unas características comunes: ■ Los datos se distribuyen de forma aleatoria e indepen- diente en las muestras, salvo en los datos pareados. ■ Tienen pocas restricciones y asunciones en cuanto a la distribución de la población. ■ La variable dependiente es ordinal o se puede orde- nar en rangos. ■ El análisis se realiza por el ordenamiento en rangos. ■ Las hipótesis se realizan sobre rangos, medianas o frecuencias de los datos. OBJETIVOS: ■ Conocer las características de las pruebas no paramétricas ■ Conocer los diferentes tipos de pruebas no paramétricas y sus equivalentes paramétricos ■ Aprender a elegir la prueba adecuada a nuestro estudio “La normalidad es una ilusión; lo que es normal para una araña es el caos para una mosca” Morticia Addams ■ Se pueden realizar incluso con tamaños de muestra pequeños. Presentan una serie de ventajas: ■ Se pueden aplicar siempre, ya que requieren pocos supuestos. ■ Cuando no se satisfacen los supuestos de la prueba paramétrica, son más efectivas que estas. Las pruebas no paramétricas no precisan conocer la distribución de probabilidad de los datos ni precisan que estos sigan ninguna distribución específica Presentan una serie de desventajas: ■ Existe una pérdida de información al trabajar con rangos y no con toda la muestra, tanto si se cumplen como si no se cumplen los supuestos de normalidad. ■ Son menos potentes que las pruebas paramétricas si los supuestos de normalidad se cumplen. ■ No se pueden calcular intervalos de confianza de for- ma directa, por lo que hay que recurrir al remuestreo o bootstrapping para calcularlos. Aunque existen muchas pruebas no paramétricas, en este capítulo veremos las más frecuentemente utiliza- das en Ciencias de la Salud ( Tabla 1 ). 1. Prueba no paramétrica para comparar la tendencia central de una muestra respecto a una población de referencia Queremos saber si una muestra pertenece a una pobla- ción de referencia, para lo cual podemos comparar las medianas de la muestra y la población. En este caso se utiliza la prueba de Wilcoxon de los rangos con signo para una muestra . Es la alternativa a la prueba de com- paración de una media con la población de referencia,