Page 117 - Introducción a la Bioestadística con R

Sección 9: Introducción a los “power analysis” (o análisis de potencia en español).
Conceptos clave.
Introducción a la Bioestadística con R
•
•
En los análisis de potencia hay cuatro conceptos clave relacionados entre sí, estos son: i) tamaño de la muestra, ii) tamaño del efecto, iii) nivel de significancia y iv) potencia. Si conoces tres, puedes calcular el restante. En esto consisten los análisis de potencia que vamos a estudiar en esta sección.
Hay un libro de referencia en relación al análisis de potencia, se llama ‘Statistical power analysis for the behavioral sciences” de Jacob Cohen. Si quieres ampliar más sobre este concepto, no dudes en pedirlo en tu biblioteca.
Seguramente ya habrás escuchado hablar de los “Power Analysis”; son un aspecto importante del diseño experimental ya que nos permite calcular el tamaño de muestra que necesitamos para detectar un efecto significativo con cierto intervalo de confianza, es decir, cuántos pacientes hace falta reclutar en un experimento. O, al contrario, que potencia tenemos para detectar un efecto significativo (por ejemplo, fijado a 0.05) con una muestra dada de por ejemplo 30 pacientes. Debido a que en muchas ocasiones los estudiantes de doctorado o postdoctorado se unen a un proyecto que alguien ya ha diseñado previamente (su supervisor), encuentran que este trabajo ya está hecho por ellos. Sin embargo, es importante conocer cómo funcionan. En esta sección vamos a ver una introducción sencilla a los Power Analysis.
Los siguientes cuatro conceptos están relacionados entre sí, si conoces tres de ellos puedes calcular el cuarto, en eso consisten los análisis de potencia que vamos a estudiar en R:
4. Tamaño de la muestra (sample size)
5. Tamaño del efecto (effect size)
6. Nivel de significancia = P (error tipo I) = probabilidad de encontrar un efecto que no es real.
Éste por defecto, se fija a 0.05, de manera que ya tenemos uno de los tres valores
necesarios.
7. Potencia (power) = 1 - P (error tipo II) = probabilidad de encontrar un efecto que sí es real.
Esta sección es sólo una introducción a los análisis de potencia, y vamos a ver cómo se
calcularían en el caso del t-test y la ANOVA, que son algunos de los análisis que hemos aprendido durante el curso. Para ello vamos a usar el paquete “pwr”, que va a tener distintas funciones dependiendo del método para el que se use.
Función en R
pwr.t.test pwr.t2n.test
Análisis de potencia para:
t-tests (one sample, 2 sample, paired) t-test (two samples with unequal n) balanced one way ANOVA
correlation
pwr.anova.test pwr.r.test
113