49
nula, es signicativo al nivel β (probabilidad de
que ocurra un error tipo II)(4).
El análisis de poder es muy importante cuando
se está realizando un diseño de experimento,
permitiendo determinar el tamaño de muestra
requerido con parámetros establecidos como es
el tamaño del efecto y el nivel de signicancia.
Si la probabilidad es baja, sería prudentemente
de alterar sus parámetros o abandonar el experi-
mento(5).
El análisis de poder para diseños de medidas re-
petidas de dos celdas es lógicamente simple. El
concepto de prueba pareada se puede extender
a comparaciones de más de dos grupos y habla-
remos entonces de bloques de m elementos(6).
Si conocemos el promedio de la puntuación de
diferencia (Δ) y su desviación estándar (sd), el
tamaño del efecto viene dado por dz= Δ/sd. La
hipótesis nula y alterna viene dada de la siguiente
forma:
H
0
: μ
T
=μ
C
(caso medias poblacionales iguales)
H
a
: μ
T
≠μ
C
(caso de medias poblacionales distin-
tas)
Para ello se plantea el estadístico t-test
(1)
donde ū
T
es la media de la variable en el grupo de
tratamiento, μ
C
la media de la variable en el gru-
po de control, σ el error estándar y n la cantidad
de casos en la muestra(7).
El poder depende del tamaño del efecto de la po-
blación, que por lo general se tiende a descono-
cer, llevando a utilizar la mejor estimación dis-
ponible de dicho tamaño. En esta investigación
comprobaremos si los tamaños de las muestras
generadas por diferentes paquetes del soware R
son iguales o son distintas que los tamaños de las
muestras generada por el soware G*power.
El soware G*power es una herramienta para
calcular análisis estadísticos de potencia para
muchas pruebas t, pruebas F, pruebas χ2, pruebas
z y algunas pruebas exactas(8). G*power también
se puede utilizar para calcular los tamaños de los
efectos y para mostrar grácamente los resulta-
dos de los análisis de potencia(9). En nuestro caso
utilizamos el soware R ya que posee distintos
paquetes estadísticos que tienen funciones para
realizar análisis de poder como son los paque-
tes: pwr, powerSurvEpi, powerGWASinteraction,
Simr, Samplesize, powerEQTL, WebPower(10).
No todos estos paquetes calculan el tamaño de la
muestra de medias pareadas.
Para nuestro estudio se utilizó pwr, WebPower y
powerAnalysis con los que se obtuvo diferentes
tamaños de muestras de medias pareadas me-
diante diferentes combinaciones entre el tamaño
de efecto, nivel de signicancia y poder.
II. MATERIALES Y MÉTODOS
Se realizó una investigación experimental, de
tipo descriptiva, para proporcionar elementos
que permitan comparar diferentes parámetros
expuestos en un análisis de poder y posibles al-
ternativas para tamaños de muestras pareadas,
las cuales son importantes en estrategia de bús-
queda sobre metodología estadística de investi-
gación.
La herramienta de soporte para este estudio fue
el soware R versión 3.5.3 y la utilización de tres
paquetes pwr, WebPower y powerAnalysis los
cuales son gratuitos y se encuentran en el CRAN
y el soware G*power versión 3.1.
El paquete pwr tiene funciones de análisis de
poder a lo largo de las líneas de Cohen (1988)
utilizan en particular las mismas notaciones para
los tamaños de efecto, su versión que se utilizó
es 1.2-2, con fecha de publicación 2018-03-03,
“pwr.t.test()” calcule la potencia de las pruebas o
determina los parámetros para obtener la poten-
cia objetivo(11).
El paquete WebPow er es una colección de herra-
mientas para realizar tanto análisis de potencia
estadística básica como avanzada, incluyendo
correlación, proporción, prueba t, ANOVA de
una vía, ANOVA de dos vías, regresión lineal,
regresión logística, etc. La versión que se utilizó
es 0.5.2, con fecha de publicación 2018-11-29,
“wp.t()” puede evaluar la signicación estadísti-
ca de la diferencia entre la población media y un
valor especíco, la diferencia entre dos medias de
Badillo, Pazmiño