Saltar al contenido
Omnikalc

Test exacto de Fisher: comparar dos proporciones con muestras pequeñas

Introduce una tabla 2 × 2 para obtener el valor p exacto (bilateral o unilateral), la razón de posibilidades y las dos proporciones, con el valor p del chi cuadrado para comparar.

Actualizado el
Tus datos

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Valor fuera de rango

Resultados

Valor p exacto

0,06978

No significativo: p es mayor o igual que α, los datos no permiten rechazar la hipótesis nula
Proporción con el suceso, grupo 1
80,0 %
Proporción con el suceso, grupo 2
30,0 %
Razón de posibilidades (a × d) ÷ (b × c)
9,333
Riesgo relativo
2,667
Valor p del chi cuadrado sin corrección, para comparar
0,02462
Probabilidad de esta tabla concreta
0,03215

Para qué sirve el test exacto de Fisher

El test exacto de Fisher compara dos proporciones en una tabla 2 × 2, por ejemplo la tasa de curación con un tratamiento y con un placebo, sin recurrir a la aproximación para muestras grandes en la que se apoya el test del chi cuadrado. Calcula la probabilidad exacta de cada una de las tablas que tienen los mismos totales de filas y de columnas que la tuya, mediante la distribución hipergeométrica, y después suma las de las tablas al menos tan extremas. Es el test que conviene usar en cuanto algún efectivo teórico es inferior a 5.

El cálculo del valor p

Con la tabla

Suceso Sin suceso
Grupo 1 a b
Grupo 2 c d

y con los márgenes fijados, la probabilidad de un valor dado de a es

P(a) = C(a + b, a) × C(c + d, c) ÷ C(n, a + c)

  • Valor p bilateral: suma de las probabilidades de todas las tablas que no son más probables que la tabla observada.
  • Valor p unilateral: suma sobre las tablas al menos tan extremas en el sentido elegido.

La calculadora enumera exactamente todas las tablas posibles, lo que sigue siendo rápido incluso con totales de varios miles.

Ejemplo

8 pacientes de 10 mejoran con un tratamiento nuevo, frente a 3 de 10 con el tratamiento de referencia:

  • proporciones: 80 % y 30 %;
  • razón de posibilidades: (8 × 7) ÷ (2 × 3) ≈ 9,3; riesgo relativo ≈ 2,67;
  • valor p exacto bilateral ≈ 0,070: no significativo con un umbral del 5 %;
  • el chi cuadrado sin corrección daría p ≈ 0,025 y concluiría erróneamente que hay una diferencia significativa: con efectivos teóricos de 5,5 y 4,5, la aproximación no es fiable.

El ejemplo muestra el interés del test de Fisher: con muestras pequeñas, la aproximación del chi cuadrado puede sobrestimar las pruebas.

Cuándo usarlo

  • Muestras pequeñas, o efectivo teórico inferior a 5 en una casilla.
  • Sucesos poco frecuentes, como los efectos adversos de un ensayo.
  • Siempre que sea preferible una respuesta exacta: los programas actuales (R, fisher.test) lo hacen viable incluso para tablas grandes.

Puntos de atención

  • El test de Fisher es conservador: como los márgenes están fijados, su riesgo real de falso positivo suele ser inferior a α. Algunos estadísticos prefieren los tests de Barnard o de Boschloo, más potentes.
  • El valor p bilateral no es simplemente el doble del unilateral; la calculadora aplica el método habitual, que suma las tablas de probabilidad menor o igual que la de la tabla observada.
  • La razón de posibilidades mostrada es la razón simple (a × d) ÷ (b × c). Se vuelve infinita si b o c es nulo; los programas dan entonces una estimación por máxima verosimilitud condicional.
  • Para tablas mayores que 2 × 2, la extensión de Fisher-Freeman-Halton aplica la misma idea.

Preguntas frecuentes

¿Cuándo es preferible el test exacto de Fisher al chi cuadrado?

En cuanto algún efectivo teórico es inferior a 5, o la muestra es pequeña: da un valor p exacto en lugar de una aproximación.

¿El test de Fisher es unilateral o bilateral?

Son posibles ambos: el bilateral suma las tablas no más probables que la observada, el unilateral las de un solo sentido.

¿Se puede usar con muestras grandes?

Sí, sigue siendo válido y se calcula deprisa; su resultado se acerca entonces al del chi cuadrado.

¿Por qué se dice que el test de Fisher es conservador?

Porque fija los dos márgenes, su riesgo real de falso positivo suele ser inferior al umbral α anunciado.

¿Te ha resultado útil esta calculadora?

¡Gracias por tu opinión!

Resultados orientativos con fines informativos. No sustituyen el consejo de un profesional.