En ciertas ocasiones una misma característica se mide en más de una ocasión para cada uno de los individuos que se incluyen en una investigación.
En estos casos, el interés se centra en comparar si hay o no cambios significativos entre las mediciones efectuadas en dos momentos diferentes, normalmente, antes y después de la aplicación de un tratamiento o de la realización de alguna intervención.
Es una prueba no paramétrica para dos variables dicotómicas relacionadas que contrasta los cambios en las respuestas utilizando la distribución de chi-cuadrado X2.
No solamente es útil para detectar los cambios en las respuestas en los estudios experimentales del antes y después, sino también parta comparar dos tipos de tratamiento.
Para el caso de datos pareados, existen claramente cuatro tipos de pares de observaciones, según cada individuo presente o no la característica de interés en los dos momentos en los que se efectúa la evaluación.
Así, los resultados obtenidos pueden mostrarse igualmente en una tabla 2 x 2, con la salvedad de que aquí los datos son dependientes y por lo tanto no resultará adecuada la utilización del test X2.
Normalmente, un valor de p menor que 0,05 se considera significativo, pero podemos establecer un nivel de significación distinto, como 0,01 o un 99% de confianza.
Matemáticamente el Estadístico de Mc Nemar se define por:
En donde, para obtener el valor de p0 se utiliza la tabla de X2 con 1 grado de libertad.
Por ejemplo, en la siguiente tabla:
Al aplicar la fórmula daría como resultado 49,16. Como 49,16 > 10,83 (comparando valores con la tabla de la distribución Chi-cuadrado de Pearson) entonces podemos afirmar que la p < 0,001.
-----------------------------------------------------------------------------------------------------------------
Si desean ver más ejemplos del uso de la distribución, pueden consultar un libro de estadísticas, preferiblemente con una amplia sección sobre análisis no paramétricos. O pueden consultar algunos enlaces en Internet:
Si desean ver más ejemplos del uso de la distribución, pueden consultar un libro de estadísticas, preferiblemente con una amplia sección sobre análisis no paramétricos. O pueden consultar algunos enlaces en Internet:
Mi agradecimiento y reconocimiento a las fuentes originales.
