Artículo de Educación
Pruebas de Significación Estadística
TESTS OF STATISTICAL SIGNIFICANCE
MD Mauricio Salinas
MD, MPH (c) Director Unidad de Epidemiología y Estadística
Fundación Científica y Tecnológica ACHS.
RESUMEN
Se ha interrumpido la serie sobre regresión para introducir el tema de
pruebas de significación estadística, antes de ver su aplicación especí-
fica a modelos de regresión. El fundamento y los conceptos más impor-
tantes para entender y aplicar pruebas de significación y del valor-p se
presenta en este artículo. Se explica en qué consisten los errores tipo I
y II. Se utiliza un ejemplo sencillo para explicar los conceptos. Se colo-
ca énfasis en cuál es el lugar de las pruebas de significación y cómo se
mal utilizan en la actualidad.
(Salinas M. 2007. Pruebas de significación estadística. Cienc Trab. oct-
dic; 9(26):200:203).
Descriptores: ANÁLISIS DE REGRESIÓN; INTERPRETACIÓN ESTADÍS-
TICA DE DATOS; MUESTREO
INTRODUCCIÓN
En el marco de la serie de artículos sobre Modelos de Regresión
y Correlación, se publicará un artículo sobre pruebas de signifi-
cación estadística. Sin embargo, se ha considerado más apro-
piado publicar algunos artículos sobre este tópico, para poste-
riormente abordar de mejor manera su aplicación específica al
caso de la regresión.
Las pruebas de significación estadística son herramientas amplia-
mente utilizadas hoy en el ámbito de las ciencias biológicas y
médicas como argumento para demostrar que una relación existe
o no existe. En muchas ocasiones se pasan por alto elementos
mucho más relevantes del análisis de los datos que el resultado
del valor p (p value) y sólo se centra la discusión en el resultado
de esta prueba.
En este artículo se revisa el fundamento e interpretación de las
pruebas de significación estadística en general y su interpreta-
ción.
Correspondencia / Correspondence
Mauricio Salinas F.
Fundación Científica y Tecnológica ACHS
Vicuña Mackenna 210 piso 6, Providencia, Santiago
Tel.: (56-2) 685 38 84
e-mail: msalinasf@achs.cl
Recibido: 03 de diciembre de 2007 / Aceptado: 17 de diciembre de 2007
200 200/203 | www.cienciaytrabajo.cl | AÑO 9 | NÚMERO 26 | OCTUBRE / DICIEMBRE 2007 |
ABSTRACT
The series on regression has been discontinued to introduce the sub-
ject of tests of statistical significance, before seeing its specific appli-
cation to regression models. This article presents the basis and the
most important concepts to understand and apply tests of signifi-
cance and of p-value. An explanation is given on type I and II errors.
A simple example is used to explain the concepts. Emphasis is put
on which is the place of significance tests and how they are misused
at present.
Descriptors: REGRESSION ANALYSIS; DATA INTERPRETATION, STA-
TISTICAL; SAMPLING, STUDIES.
MARCO TEÓRICO
Para entender los fundamentos de las pruebas de significación, se
debe tener claro ciertos conceptos.
Las pruebas de significación estadísticas surgen de la premisa que
existe un universo, donde se encuentran todas las observaciones
existentes de un fenómeno, del cual se pueden tomar infinitas
muestras aleatorias, que representan a ese universo. Las muestras
aleatorias son las más representativas del universo; las muestras
no aleatorias generalmente no son representativas, por la
presencia de sesgos en la selección de los individuos (Polit y
Hungler 2000).
Los valores que existen en el universo (promedio, desviación
estándar, etc.) se denominan Parámetros; habitualmente se
desconocen y se representan por letras mayúsculas. Los valores
que se obtienen en las muestras aleatorias y pretenden estimar al
parámetro respectivo se denominan Estimadores y se representan
con letras minúsculas (Taucher 1997).
Cuando se analizan los resultados encontrados en la muestra
obtenida, habitualmente se desea realizar una prueba de signifi-
cación estadística, para ver si lo que se observa en la muestra
representa al universo y con qué margen de error lo hace. Es
decir, se está cuantificando con qué probabilidad lo encontrado
en la muestra se debe al azar o el fenómeno que se encuentra en
la muestra es real, entendiendo que lo real es lo que ocurre en el
universo. El hecho de que un fenómeno visto en la muestra alea-
toria no sea real se explica porque el muestreo aleatorio es
susceptible de errores dados por el azar. Imagine que se toman 10
muestras aleatorias de trabajadores chilenos y se calcula la edad
promedio para cada una de las muestras; con seguridad las
edades promedios serán distintas en todas las muestras, pese a
Ciencia & Trabajo

que todas ellas son aleatorias y representan al universo. Este
fenómeno está dado por simple azar.
Entonces, podemos decir que cuando se aplica una prueba de
significación estadística se está probando con qué seguridad (o
inseguridad) el fenómeno que se observa en esta muestra ocurre
en el universo al cual representa.
Figura 1.
Concepto de Universo y Muestra.
El universo incluye todos los individuos con la variable en
estudio. Las muestras son subconjuntos del universo y pueden ser
aleatorias o intencionadas (Ver texto).
El otro concepto fundamental a entender es el de distribución de
probabilidades. Los fenómenos en la naturaleza de distribuyen de
manera probabilística y eso permite estimar la posibilidad de
error (Polit y Hungler 2000). Existen distintas distribuciones de
probabilidades en estadística, pero la más conocida y utilizada es
la distribución normal y por ello utilizaremos ésta para la expli-
cación y ejemplos.
Existen muchas variables que presentan distribución normal. Por
ejemplo, la estatura de los seres humanos. La estatura presenta
distribución normal si utilizamos los valores absolutos de
medida, pero para las curvas normales se llevan estos valores a
medidas estándar de promedio cero y desviación estándar uno.
Esto es para evitar cálculos complejos para cada escala de valores
de cada variable. Los valores de la curva normal estandarizados
se encuentran fácilmente en tablas en libros de estadística.
La curva normal tiene en su eje x el valor estandarizado de la
variable (valor Z) y el área bajo la curva representa la probabi-
lidad asociada a ese valor. Por ejemplo, si el valor cero representa
el promedio, la mitad de la población tendrá valor cero o menor,
lo cual se muestra gráficamente en la Figura 2B. Nótese que la
probabilidad de que un individuo tenga valor cero exacto es una
línea imaginaria delgada que une el punto cero con la parte supe-
rior de la curva, es decir, es muy improbable encontrar a ese indi-
viduo.
Si en nuestra población la estatura media de la mujer es 1,60, el
cero de la Figura 2A, equivaldría a 1,60 m. Podríamos decir que
el 50% de la población tiene estatura de 1,60 m o menos, lo cual
se muestra gráficamente en la Figura 2B. Si la estatura ubicada
una desviación estándar por debajo fuera 1,50 m, eso se repre-
senta gráficamente con la Figura 2C; si dos desviaciones están-
Ciencia & Trabajo | AÑO 9 | NÚMERO 26 | OCTUBRE / DICIEMBRE 2007 | www.cienciaytrabajo.cl | 200/203
Artículo Educación | Pruebas de Significación Estadística
dares sobre el promedio se ubican 1,75 m, eso se representa con
la Figura 2D.
De tal forma que la curva normal da cuenta de la probabilidad de
encontrar un valor dado de una variable que tiene esta distribu-
ción, en una población conocida.
Figura 2.
Distribución de probabilidades normal.
Sería mucho mejor, de acuerdo a lo explicado anteriormente,
trabajar siempre con el universo, pero ello generalmente es
difícil. Si se desea estudiar a todos los trabajadores afiliados a la
ACHS (poco más de un millón y medio) que están identificados,
un investigador podría entrevistarlos a todos; sin embargo, es
mucho más barato y rápido tomar una muestra aleatoria de ellos.
En otros casos, no se conoce el universo con certeza y por lo
tanto no es posible estudiarlo por completo. Por ejemplo, el
universo de trabajadores que pueden sufrir mal agudo de
montaña (MAM); obviamente involucra todos los trabajadores en
sistema de turno en mineras sobre 3000 m.s.n.m. Sin embargo,
hay trabajadores que tienen MAM con alturas menores; hay
trabajadores que viajan una vez al mes o menos; hay especia-
listas a honorarios o extranjeros que podrían estar subiendo
ocasionalmente, etc.
Por eso en la práctica de la investigación se trabaja con muestras,
que deben ser aleatorias para poder utilizar pruebas de significa-
ción en el análisis de estos datos. Muchas veces esto no se cumple
y se aplican pruebas estadísticas en muestras no aleatorias o
intencionadas y se pueden cometer errores de interpretación
graves.
EL VALOR-p
Para determinar con qué probabilidad lo observado en la muestra
es real o se debe al azar del muestreo, se puede realizar estima-
ción de parámetros y/o aplicar una prueba de significación esta-
dística. La estimación de parámetros implica que a partir del
valor de una medida de la muestra (promedio de la muestra) se
estima entre qué valores puede estar el parámetro en el universo
(promedio real). Es otra forma de cuantificar el error de muestreo
(Taucher 1997). La estimación de parámetros no se discutirá en
esta oportunidad, pero los interesados pueden consultar la biblio-
grafía.
La aplicación de pruebas de significación implica calcular el
valor-p (o, en inglés, p-value) ampliamente conocido en investi-
gación.
Para aplicar una prueba de significación se requiere plantear dos
hipótesis que corresponden a los posibles resultados de la compa-
ración que se va a desarrollar:
201
Artículo Educación | Salinas Mauricio
Hipótesis nula (H0): estimador grupo 1 = estimador grupo 2
Hipótesis alternativa (H1): estimador grupo 1 ≠ estimador grupo 2
En términos prácticos esto significa comparar la media de dos
grupos o la proporción de dos grupos. Las pruebas de significa-
ción se plantean siempre para aceptar o rechazar la hipótesis
nula.
Cuando se plantea aplicar una prueba estadística, debe definirse
previamente un nivel de significación o nivel alfa. Esto significa
que arbitrariamente se decide con qué probabilidad de error se
rechazará la hipótesis nula. El valor más usado es el de 0,05 y
casi todos los que trabajan en investigación, saben que si el valor
cae bajo 0,05 la asociación o diferencia encontrada “es significa-
tiva”.
El nivel alfa define una región de rechazo en la curva de distri-
bución de probabilidades para el problema en estudio. Se funda-
menta en que es improbable que se obtenga un valor en esa
región y, por lo tanto, permite el rechazo de la hipótesis nula. Al
mismo tiempo cuantifica la probabilidad de rechazar la hipótesis
nula cuando ésta es verdadera, lo que se denomina error Tipo I
(Tabla 1) (Polit y Hungler 2000).
El valor 0,05 quiere decir que se ha decidido previamente que se
rechazará la hipótesis nula cuando el valor de probabilidad
asociado a la estadística respectiva sea inferior a 0,05. En
términos prácticos esto quiere decir que si repetimos 100 veces el
mismo experimento, se rechazará la hipótesis nula en forma
errónea 5 veces.
Concordante con lo anterior, parecería muy apropiado definir un
valor alfa mucho menor, para disminuir la probabilidad de
aceptar una diferencia que no existe en el universo. Se podría
definir un alfa de 0,01. Sin embargo, surge el problema inverso:
al aplicar un nivel de significación tan exigente, se puede aceptar
la hipótesis nula, aun cuando existe una diferencia real (en el
universo). Esto se denomina error Tipo II (Tabla 1).
Tabla 1.
Posibilidades al aplicar pruebas de significación estadística.
Resultado Prueba Situación real (Universo)
estadística (Muestra) Hipótesis Nula Verdadera Hipótesis Nula Falsa
Acepto Hipótesis Nula Sin error Error Tipo II
Rechazo Hipótesis Nula Error Tipo I Sin error
Gráficamente el nivel alfa indica en qué zona de la distribución
normal de probabilidades deberá caer el valor p de la prueba que
se está haciendo para rechazar la hipótesis nula. Esto determina
que la zona de rechazo pueda tomar tres formas, como se muestra
en la Figura 3 (zonas de rechazo en color rojo).
Figura 3.
Regiones de rechazo para pruebas de significación.
Las zonas de rechazo de hipótesis nula se muestran en color rojo (Ver texto).
202 200/203 | www.cienciaytrabajo.cl | AÑO 9 | NÚMERO 26 | OCTUBRE / DICIEMBRE 2007 |
Esto significa que la hipótesis alternativa puede plantearse en
tres escenarios: El estimador 1 es mayor que estimador 2 (Figura
3A), estimador 2 es mayor que estimador 1 (Figura 3B); los
valores son distintos, pero la diferencia podría ir en cualquier
dirección (Figura 3C). El planteamiento de la hipótesis alternativa
está definido por el conocimiento previo del problema en estudio.
Generalmente el investigador espera diferencia, pero no puede
asegurar en qué dirección será y plantea la hipótesis a dos colas
teniendo dos regiones de rechazo (Figura 3C).
Si el valor de la estadística calculada cae en la región de rechazo
(en la zona de color rojo) se rechaza la hipótesis nula; si el valor
de la estadística cae en la otra zona de la curva se acepta la hipó-
tesis nula.
Aplicando los conceptos
Se desea comparar si la estatura de los trabajadores de una
mutualidad es distinta a la estatura nacional, utilizando cifras de
referencia de un estudio nacional.
Se plantean dos hipótesis:
Hipótesis nula (H0):
Promedio estatura mutualidad (µ1) = Promedio estatura nacional (µ2)
Hipótesis alternativa (H1):
Promedio estatura mutualidad (µ1) ≠ Promedio estatura nacional (µ2)
Se obtiene una muestra aleatoria de 100 individuos para ver la
estatura media en un universo de 500 empresas afiliadas a una
mutualidad. La estatura media de esta muestra es de 1,70 con una
desviación estándar de 0,1 m. Se sabe que la media nacional es
1,68 con una desviación estándar de 0,05 m, la que se obtuvo de
un estudio nacional en 5000 varones.
La estatura de esta muestra parece ser diferente a la estatura
nacional. Calculemos el valor p comparando la estatura de este
grupo con los valores del estudio nacional.
La hipótesis está planteada y define que la prueba que ocupemos
será a dos colas. No es posible tener certeza si la estatura de los
trabajadores será mayor o menor que la estatura nacional, así que
se mantendrá ese planteamiento. Se utilizará un nivel de signifi-
cación de 0.05.
En el caso de este ejemplo se utilizará una estadística t de
Student, por ser bastante conocida y porque su cálculo es
sencillo. Se asumirá que los dos grupos tienen la misma varianza
(uno de los supuestos de la prueba). El cálculo se puede hacer en
programas de estadística o en http://www.graphpad.com/quick-
calcs/ttest1.cfm?Format=SD
Si se busca el valor t crítico asociado a este valor p a dos colas
para esta muestra, los valores son - 1.96 y + 1.96; es decir, la
región de rechazo está bajo – 1.96 y sobre + 1.96. Si el valor t
calculado está en esos extremos se rechazará la hipótesis nula.
Los valores críticos de la estadística t dependen de los grados de
libertad (g.l.), concepto bastante difícil de definir en el que no se
profundizará. Si desea conocer el valor t para este caso, puede
buscarse en un libro de estadística, descargarlo desde internet
(http://www.uv.es/~meliajl/Docencia/Tablas/TablaT.PDF) o entrar
a la siguiente página web http://www.anu.edu.au/nceph/surfstat/
surfstat-home/tables/t.php donde debe seleccionar la figura con
la prueba a dos colas, valor probability 0.05 y 5098 g.l. y se
entregará el valor en forma inmediata.
El cálculo da un valor t de 3.85, que está en la región de rechazo por
Ciencia & Trabajo

sobre el valor +1.96. El valor p asociado es 0.0001. Por lo tanto, se
rechaza la hipótesis nula y se acepta que existe diferencia entre la
estatura de los trabajadores y la población del estudio nacional, en
base a esta muestra. El que exista diferencia significativa quiere decir
que esta diferencia difícilmente se debe a error en la muestra; no
implica que la diferencia sea importante o trascendente. De hecho,
existen diferencias estadísticamente significativas que son irrele-
vantes en la práctica, como la de este ejemplo. Que la estatura de los
trabajadores sea dos centímetros más, difícilmente tiene relevancia.
CONCLUSIONES
Las pruebas de significación estadística son herramientas que
permiten cuantificar la probabilidad de que una asociación o dife-
Ciencia & Trabajo | AÑO 9 | NÚMERO 26 | OCTUBRE / DICIEMBRE 2007 | www.cienciaytrabajo.cl | 200/203
Artículo Educación | Pruebas de Significación Estadística
rencia encontrada en una muestra se deba al error de muestreo.
Para que sean aplicables la muestra debe ser aleatoria y por lo tanto
representativa del universo de donde proviene.
El valor-p (p-value) es la probabilidad de que la diferencia encon-
trada se deba a error de muestreo y permite tener una aproximación
a la realidad que ocurre en el universo de donde se obtuvo la
muestra. Por lo tanto, el valor p no garantiza que la diferencia
encontrada sea “real” o “absoluta”, sólo dice con qué probabilidad
de error el investigador lo asume como real.
Es importante que el investigador se dé cuenta que el valor-p es una
herramienta útil, pero que en ocasiones hay datos que resultan
mucho más importantes que la significación estadística. En otras
ocasiones hay diferencias estadísticamente significativas, que en
términos prácticos son irrelevantes.
REFERENCIAS
Polit D, Hungler B (ed.). 2000. Estadística inferencial. En: Investigación científica
en ciencias de la salud: principios y métodos. 6ª ed. México: Mc Graw Hill. p.
485 – 520.
Taucher E. 1997. Bioestadística. Santiago: Editorial Universitaria.
203