Una guía completa sobre métodos paramétricos y no paramétricos para una muestra
La Evaluación de Calidad de Datos (Data Quality Assessment, DQA) es un proceso crítico desarrollado por la Agencia de Protección Ambiental de Estados Unidos (EPA) para determinar si los datos recopilados son adecuados para respaldar la toma de decisiones ambientales. El documento EPA QA/G-9S "Métodos Estadísticos para Profesionales" proporciona una guía detallada sobre los métodos estadísticos que pueden aplicarse en este proceso.
En este artículo, nos enfocaremos específicamente en la sección 3.2 del documento, que describe los métodos estadísticos para evaluar datos de una sola muestra. Estos métodos se dividen en dos categorías principales: paramétricos y no paramétricos. Cada tipo tiene sus propias fortalezas, limitaciones y supuestos que deben considerarse cuidadosamente durante el análisis de datos ambientales.
Además de la explicación teórica, proporcionamos una aplicación interactiva que permite a los usuarios aplicar estos métodos a sus propios conjuntos de datos, visualizar los resultados y obtener interpretaciones basadas en los criterios establecidos por la EPA.
Antes de profundizar en los métodos específicos, es importante comprender algunos conceptos fundamentales que son comunes a todos los métodos estadísticos utilizados en la evaluación de calidad de datos:
Todos los métodos de prueba de hipótesis que veremos implican la formulación de dos hipótesis:
En el contexto de evaluación de calidad de datos, las hipótesis típicamente se establecen en términos de un valor umbral o nivel de acción (Action Level) que representa un límite regulatorio o valor de referencia.
El nivel de significancia (α) es la probabilidad máxima aceptable de cometer un error Tipo I (rechazar incorrectamente una hipótesis nula verdadera). Comúnmente se establece en 0.05 (5%).
El valor-p es la probabilidad de obtener un resultado al menos tan extremo como el observado, asumiendo que la hipótesis nula es verdadera. Si el valor-p es menor que α, rechazamos la hipótesis nula.
Nota importante: La elección entre métodos paramétricos y no paramétricos debe basarse en una evaluación cuidadosa de los datos y no simplemente en la conveniencia. Los métodos paramétricos son más potentes cuando se cumplen sus supuestos, pero pueden llevar a conclusiones erróneas cuando estos no se cumplen.
La prueba t de una muestra es un método estadístico paramétrico que se utiliza para determinar si la media de una población difiere significativamente de un valor específico o valor de referencia.
Dependiendo del objetivo del análisis, las hipótesis pueden formularse de tres maneras:
Prueba bilateral:
H₀: μ = μ₀
H₁: μ ≠ μ₀
Prueba unilateral inferior:
H₀: μ ≥ μ₀
H₁: μ < μ₀
Prueba unilateral superior:
H₀: μ ≤ μ₀
H₁: μ > μ₀
Donde μ es la media poblacional y μ₀ es el valor de referencia o umbral establecido.
El estadístico t se calcula como:
t = (x̄ - μ₀) / (s / √n)
Donde:
Rechazamos la hipótesis nula si el valor-p es menor que el nivel de significancia α (comúnmente 0.05).
Para una prueba bilateral, el valor-p se calcula como 2 × P(t > |t_calculado|) con n-1 grados de libertad.
En el contexto de la EPA, la prueba t de una muestra se utiliza frecuentemente para:
Supongamos que se han tomado 25 muestras de suelo para medir las concentraciones de plomo en un sitio de remediación. El nivel de acción regulatorio para el plomo es 400 mg/kg. Queremos determinar si la concentración media en el sitio es estadísticamente menor que este nivel.
Datos: Media muestral = 375 mg/kg; Desviación estándar = 50 mg/kg; n = 25
Hipótesis:
H₀: μ ≥ 400 mg/kg (el sitio no cumple con el requisito regulatorio)
H₁: μ < 400 mg/kg (el sitio cumple con el requisito regulatorio)
Estadístico t:
t = (375 - 400) / (50 / √25) = (-25) / (50 / 5) = -25 / 10 = -2.5
Valor-p: Para una prueba unilateral inferior con 24 grados de libertad, el valor-p es aproximadamente 0.01.
Conclusión: Como el valor-p (0.01) es menor que α (0.05), rechazamos la hipótesis nula. Hay evidencia estadística suficiente para concluir que la concentración media de plomo en el sitio es menor que el nivel de acción de 400 mg/kg.
Los métodos no paramétricos son particularmente útiles cuando los datos no cumplen con los supuestos de normalidad requeridos por las pruebas paramétricas o cuando la distribución de la población es desconocida. La EPA recomienda su uso en situaciones donde hay valores atípicos, distribuciones sesgadas o cuando el tamaño de la muestra es pequeño.
La prueba de los signos es uno de los métodos no paramétricos más simples. Se utiliza para evaluar si la mediana de una población difiere significativamente de un valor específico.
Prueba bilateral:
H₀: Mediana = μ₀
H₁: Mediana ≠ μ₀
Prueba unilateral inferior:
H₀: Mediana ≥ μ₀
H₁: Mediana < μ₀
Prueba unilateral superior:
H₀: Mediana ≤ μ₀
H₁: Mediana > μ₀
Para una prueba bilateral con nivel de significancia α, rechazamos H₀ si S es menor o igual al valor crítico de la distribución binomial correspondiente.
Para muestras grandes (n > 20), se puede utilizar una aproximación normal:
z = (S - n/2) / √(n/4)
Rechazamos H₀ si |z| > zα/2 para pruebas bilaterales, o si z < -zα o z > zα para pruebas unilaterales.
Supongamos que se han recolectado 15 muestras de pH del agua en un río. El valor de referencia establecido es 7.0. Queremos determinar si la mediana del pH es diferente de este valor.
Datos (pH): 6.8, 7.1, 6.9, 7.2, 6.7, 7.3, 7.0, 6.8, 7.2, 6.9, 7.1, 6.8, 7.3, 6.7, 7.2
Diferencias (Xi - 7.0): -0.2, 0.1, -0.1, 0.2, -0.3, 0.3, 0.0, -0.2, 0.2, -0.1, 0.1, -0.2, 0.3, -0.3, 0.2
Eliminamos el valor 0.0: n = 14
S+ (diferencias positivas): 0.1, 0.2, 0.3, 0.2, 0.1, 0.3, 0.2 (7 valores)
S- (diferencias negativas): -0.2, -0.1, -0.3, -0.2, -0.1, -0.2, -0.3 (7 valores)
Estadístico S = min(7, 7) = 7
Valor crítico para α = 0.05 y n = 14: 3 (para prueba bilateral)
Conclusión: Como S (7) > 3, no rechazamos la hipótesis nula. No hay evidencia estadística suficiente para concluir que la mediana del pH es diferente de 7.0.
A diferencia de la prueba de los signos, la prueba de rangos con signo de Wilcoxon utiliza tanto el signo como la magnitud de las diferencias, lo que la hace más potente en muchas situaciones.
Prueba bilateral:
H₀: La distribución es simétrica alrededor de μ₀
H₁: La distribución no es simétrica alrededor de μ₀
Prueba unilateral inferior:
H₀: La mediana ≥ μ₀
H₁: La mediana < μ₀
Prueba unilateral superior:
H₀: La mediana ≤ μ₀
H₁: La mediana > μ₀
Para una prueba bilateral con nivel de significancia α, rechazamos H₀ si W es menor o igual al valor crítico correspondiente de la tabla de Wilcoxon.
Para muestras grandes (n > 20), se puede utilizar una aproximación normal:
z = (W - n(n+1)/4) / √(n(n+1)(2n+1)/24)
Rechazamos H₀ si |z| > zα/2 para pruebas bilaterales, o si z < -zα o z > zα para pruebas unilaterales.
Usando los mismos datos del ejemplo anterior (pH del agua), aplicamos ahora la prueba de rangos con signo de Wilcoxon.
Datos (pH): 6.8, 7.1, 6.9, 7.2, 6.7, 7.3, 7.0, 6.8, 7.2, 6.9, 7.1, 6.8, 7.3, 6.7, 7.2
Diferencias (Xi - 7.0): -0.2, 0.1, -0.1, 0.2, -0.3, 0.3, 0.0, -0.2, 0.2, -0.1, 0.1, -0.2, 0.3, -0.3, 0.2
| Diferencia | |Diferencia| | Rango | Rango con signo |
|---|---|---|---|
| -0.2 | 0.2 | 5.5 | -5.5 |
| 0.1 | 0.1 | 2.5 | 2.5 |
| -0.1 | 0.1 | 2.5 | -2.5 |
| 0.2 | 0.2 | 5.5 | 5.5 |
| -0.3 | 0.3 | 11.5 | -11.5 |
| 0.3 | 0.3 | 11.5 | 11.5 |
| 0.0 | - | - | - |
| -0.2 | 0.2 | 5.5 | -5.5 |
| 0.2 | 0.2 | 5.5 | 5.5 |
| -0.1 | 0.1 | 2.5 | -2.5 |
| 0.1 | 0.1 | 2.5 | 2.5 |
| -0.2 | 0.2 | 5.5 | -5.5 |
| 0.3 | 0.3 | 11.5 | 11.5 |
| -0.3 | 0.3 | 11.5 | -11.5 |
| 0.2 | 0.2 | 5.5 | 5.5 |
W+ (suma de rangos positivos): 2.5 + 5.5 + 11.5 + 5.5 + 2.5 + 11.5 + 5.5 = 44.5
W- (suma de rangos negativos): 5.5 + 2.5 + 11.5 + 5.5 + 2.5 + 5.5 + 11.5 = 44.5
Estadístico W = min(44.5, 44.5) = 44.5
Valor crítico para α = 0.05 y n = 14: 21 (para prueba bilateral)
Conclusión: Como W (44.5) > 21, no rechazamos la hipótesis nula. No hay evidencia estadística suficiente para concluir que la distribución no es simétrica alrededor de 7.0.
La selección del método estadístico apropiado depende de varios factores, incluyendo las características de los datos y los objetivos del análisis. A continuación, se presenta una comparación de los tres métodos presentados.
| Característica | Prueba t de una muestra | Prueba de los signos | Prueba de rangos con signo de Wilcoxon |
|---|---|---|---|
| Tipo | Paramétrico | No paramétrico | No paramétrico |
| Parámetro de interés | Media | Mediana | Mediana (si la distribución es simétrica) |
| Supuesto de normalidad | Sí | No | No |
| Supuesto de simetría | Sí (implícito en normalidad) | No | Sí |
| Potencia estadística | Alta (si se cumplen los supuestos) | Baja | Media |
| Sensibilidad a valores atípicos | Alta | Baja | Media |
| Uso con datos censurados | Difícil | Posible | Posible con técnicas especiales |
| Tamaño de muestra requerido | Depende (≥30 para no normalidad) | Cualquiera | Cualquiera |
| Complejidad de cálculo | Baja | Muy baja | Media |
Según las recomendaciones de la EPA en el documento QA/G-9S, considere lo siguiente al seleccionar un método estadístico:
Nota importante: La elección del método estadístico debe documentarse claramente y justificarse en función de las características de los datos y los objetivos del análisis. La EPA enfatiza que ningún método estadístico es universalmente "mejor" que otro; la idoneidad depende del contexto específico.
Esta aplicación le permite evaluar datos usando los métodos estadísticos descritos en el documento EPA QA/G-9S. Ingrese sus datos, seleccione un método y configure los parámetros para realizar el análisis.
Los resultados del análisis se mostrarán aquí después de procesar los datos.
La evaluación de calidad de datos es un proceso fundamental en la gestión ambiental y la toma de decisiones basada en evidencia. Los métodos estadísticos descritos en la sección 3.2 del documento EPA QA/G-9S proporcionan herramientas valiosas para determinar si los datos recopilados cumplen con los criterios de calidad establecidos y son adecuados para respaldar decisiones.
A partir de esta revisión, podemos extraer las siguientes conclusiones clave:
Recomendaciones para profesionales que trabajan con datos ambientales:
La aplicación interactiva proporcionada en este artículo puede servir como una herramienta educativa y práctica para profesionales, permitiéndoles experimentar con diferentes métodos y comprender mejor sus características y aplicaciones en el contexto de la evaluación de calidad de datos ambientales.