Calculadora de corrección de Bonferroni

La corrección de Bonferroni es un método sencillo para limitar los falsos positivos cuando un estudio realiza más de una prueba de hipótesis. Un alfa convencional de 0.05 da a cada prueba individual un cinco por ciento de probabilidad de rechazar una hipótesis nula verdadera bajo sus supuestos. Al considerar muchas pruebas juntas, la probabilidad de al menos un rechazo accidental puede superar ampliamente el cinco por ciento. La corrección controla la tasa de error familiar dividiendo el alfa global deseado entre el número de comparaciones. Si un estudio prevé m pruebas y desea un alfa familiar de α, cada prueba se evalúa frente a α/m. Por ejemplo, cinco pruebas con un alfa global de 0.05 usan un umbral corregido de 0.01. Un valor p observado de 0.008 sigue siendo significativo, pero uno de 0.02 no. Una forma equivalente consiste en multiplicar cada valor p sin ajustar por el número de pruebas y limitar el resultado a uno. Comparar los valores p ajustados con el alfa original lleva a las mismas decisiones. El método se basa en la cota de la unión, por lo que controla la probabilidad de uno o más errores de tipo I sin exigir independencia entre las pruebas. Esa validez general es una ventaja importante. También es conservador, especialmente cuando las pruebas son numerosas o están correlacionadas positivamente. Esto significa que puede reducir la potencia estadística y dificultar la detección de efectos reales. Los investigadores deben definir la familia de hipótesis antes de examinar los resultados, en lugar de elegir después un número de comparaciones conveniente. Una familia de pruebas debe incluir hipótesis que pertenezcan a la misma afirmación inferencial o decisión. Por ejemplo, un ensayo que compara varios grupos de tratamiento con un control puede considerar esas comparaciones como una familia. Los análisis exploratorios pueden contener familias coherentes separadas, pero su división requiere justificación científica. Probar repetidamente desenlaces, subgrupos, momentos y especificaciones de modelos sin tener en cuenta todas las decisiones pertinentes puede seguir aumentando el riesgo de falsos positivos. Bonferroni resulta útil cuando es especialmente importante evitar incluso una sola afirmación falsa, el número de comparaciones es moderado o se requiere una corrección transparente. El procedimiento secuencial de Holm también controla el error familiar y suele tener al menos la misma potencia. Benjamini-Hochberg controla, en cambio, la tasa de falsos descubrimientos y puede ser adecuado para grandes análisis exploratorios. Esta calculadora proporciona el umbral exacto de Bonferroni; la elección del método de corrección sigue dependiendo del diseño del estudio, sus objetivos confirmatorios y las consecuencias de los falsos positivos.