El cálculo se hace en tu navegador: no se envía ni se guarda nada. Usa resultados de control o de control externo, nunca datos de pacientes.
El orden recomendado para 20 datos de un lote nuevo
- Atípicos: ¿algún dato tiene una causa que lo saca de la serie? Excluye solo con causa asignable y registrada.
- Normalidad: ¿son válidas la media y la DE como resumen? Decide si usar pruebas paramétricas o robustas.
- Tendencia y aleatoriedad: ¿la serie se está moviendo? Si hay deriva, la media y la DE no describen un proceso estable.
- Homogeneidad: ¿la media y la varianza son estables entre mitades, días o corridas?
- Precisión y comparación con el fabricante: con la serie limpia y estable, ¿qué CV tiene el lote y es compatible con lo declarado?
- Lote anterior: ¿el lote nuevo se comporta como el que reemplaza?
Las pruebas, por la pregunta que responden
Valores atípicos
¿Hay un dato que no pertenece a la serie y se puede excluir?
| Prueba | Para qué sirve | Calculadora |
|---|---|---|
| Dixon (Q) | Un atípico, con rangos. Con n = 20 usa la variante r22, no la Q clásica. | Valores atípicos |
| Grubbs | Un atípico, con media y DE. | Valores atípicos |
| Grubbs doble / Tietjen-Moore | Más de un atípico a la vez. | Valores atípicos |
| Vallas de Tukey | Atípicos por cuartiles, sin suponer normalidad. | Valores atípicos |
| Chauvenet | Criterio de sospecha: menos de 0,5 datos esperados tan lejos. | Valores atípicos |
| Mediana ± 3 MAD (Hampel) | Atípicos con un criterio robusto. | Valores atípicos |
| Cochran | Un día con varianza anormal (necesita réplicas). | Homogeneidad entre días o corridas |
Normalidad
¿Son válidas la media y la DE para describir estos datos?
| Prueba | Para qué sirve | Calculadora |
|---|---|---|
| Shapiro-Wilk | La más potente con n pequeño. | Normalidad |
| Anderson-Darling | Sensible a las colas. | Normalidad |
| D’Agostino-Pearson | Separa asimetría y curtosis. | Normalidad |
| Lilliefors | Kolmogorov-Smirnov corregida; la menos potente. | Normalidad |
| Gráfico Q-Q | Inspección visual de la forma de la distribución. | Normalidad |
Tendencia y aleatoriedad
¿La serie se está moviendo con el tiempo?
| Prueba | Para qué sirve | Calculadora |
|---|---|---|
| Rachas (Wald-Wolfowitz) | Aleatoriedad respecto de la mediana. | Tendencia y aleatoriedad |
| Mann-Kendall | Tendencia monótona sin normalidad (con pendiente de Sen). | Tendencia y aleatoriedad |
| Cox-Stuart | Tendencia por comparación de mitades por pares. | Tendencia y aleatoriedad |
| Razón de von Neumann | Deriva o dependencia entre datos consecutivos. | Tendencia y aleatoriedad |
| Pendiente contra el tiempo (t) | Cuánto cambia por medición, si la tendencia es recta. | Tendencia y aleatoriedad |
| Autocorrelación de orden 1 / Durbin-Watson | ¿Cada dato se parece al anterior? | Tendencia y aleatoriedad |
Homogeneidad
¿La media y la varianza son estables entre mitades, días o corridas?
| Prueba | Para qué sirve | Calculadora |
|---|---|---|
| Prueba F entre mitades | Cambio de dispersión entre primera y segunda mitad. | Homogeneidad entre mitades |
| t de dos muestras entre mitades | Cambio de media entre mitades (Student y Welch). | Homogeneidad entre mitades |
| Bartlett | Varianzas iguales entre días (exige normalidad). | Homogeneidad entre días o corridas |
| Levene / Brown-Forsythe | Varianzas iguales, robustas. | Homogeneidad entre días o corridas |
| ANOVA de un factor | Medias entre días; intraserial e interserial. | Homogeneidad entre días o corridas |
Comparación con el fabricante
¿Mi media y mi dispersión son compatibles con lo declarado?
| Prueba | Para qué sirve | Calculadora |
|---|---|---|
| t de una muestra | Tu media contra el valor asignado. | Comparación con el fabricante |
| Intervalo de verificación de la media | Coherencia con lo declarado, sin prueba de hipótesis. | Comparación con el fabricante |
| Chi cuadrado para la DE o el CV | Tu dispersión contra la declarada. | Comparación con el fabricante |
| Sesgo respecto del valor asignado | Cuánto te apartas del asignado, con IC y SDI. | Comparación con el fabricante |
Precisión y partida del lote
¿Cuánta imprecisión tiene el lote y alcanza para partir?
| Prueba | Para qué sirve | Calculadora |
|---|---|---|
| CV interserial contra el histórico | Si el lote nuevo es más imprecisa que los anteriores. | Precisión y partida de un lote de control |
| Repetibilidad e intralaboratorio por ANOVA | Componentes de la precisión con réplicas por día. | Precisión y partida de un lote de control |
| Error total permitido y sigma de partida | Si la precisión alcanza para el requisito. | Precisión y partida de un lote de control |
| Verificación 5 × 5 contra el CV declarado | Verificación formal según CLSI EP15. | Verificación de precisión (5 × 5) |
Comparar con el lote anterior
¿El lote nuevo se comporta como el anterior?
| Prueba | Para qué sirve | Calculadora |
|---|---|---|
| Prueba F de varianzas | Cambio de dispersión entre lotes. | Comparación de dos series (cambio de lote) |
| t entre medias de dos lotes | Cambio de media entre lotes (Welch). | Comparación de dos series (cambio de lote) |
Pruebas que se confunden
Dixon y Grubbs. Se usan igual (un atípico) pero no son la misma prueba: Dixon usa rangos (la distancia del extremo a su vecino frente al rango de la muestra) y Grubbs usa la media y la DE. Pueden discrepar. Con n = 20, Dixon requiere una variante extendida (r22); la Q clásica de n ≤ 10 no corresponde.
Grubbs, Grubbs doble y Tietjen-Moore. Grubbs busca un solo atípico. Si hay dos, pueden «taparse» entre sí y Grubbs no ve ninguno: ahí se usa Tietjen-Moore (con k = 2 es el Grubbs doble).
Shapiro-Wilk, Anderson-Darling, D’Agostino-Pearson y Lilliefors. Todas responden «¿es normal?», pero con distinta sensibilidad: Shapiro-Wilk es la más potente con pocos datos, Anderson-Darling mira las colas, D’Agostino-Pearson separa asimetría y curtosis, y Lilliefors es la menos potente. Un valor p alto no prueba normalidad.
Bartlett, Levene, Brown-Forsythe y Cochran. Bartlett exige normalidad; Levene y Brown-Forsythe no, pero con pocas réplicas por día (3 a 5) están mal calibradas: Levene da falsas alarmas y Brown-Forsythe casi no detecta. Las tres dicen «alguna varianza difiere»; Cochran identifica cuál día tiene la varianza más alta. Y ninguna de las cuatro compara medias: eso lo hace el ANOVA.
Mann-Kendall, Cox-Stuart, pendiente y rachas. Mann-Kendall y Cox-Stuart buscan tendencia sin suponer normalidad; la pendiente con su prueba t sí supone una recta y errores normales. Las rachas y von Neumann detectan falta de aleatoriedad en general, no solo tendencia.
t de una muestra e intervalo de verificación. La t usa tu DE y entrega un valor p; el intervalo de verificación usa la DE del fabricante y no hace prueba de hipótesis: solo dice si tu media cae dentro de lo esperable.
Repetibilidad, interserial e intralaboratorio. La repetibilidad es la variación dentro de una corrida; la interserial, entre corridas o días; la intralaboratorio combina ambas. Con un solo resultado por día solo se estima el CV interserial.
t de Student y t de Welch. Student supone varianzas iguales; Welch no. Si la prueba F ya muestra varianzas distintas, usa Welch (en comparación de lotes se usa siempre).
Límites que conviene recordar
- Con 20 datos, todas las pruebas tienen poca potencia: un resultado «sin diferencia» no demuestra estabilidad, normalidad ni ausencia de atípicos.
- Probar muchas cosas sobre la misma serie aumenta las falsas alarmas: una señal aislada entre varias pruebas puede ser azar. Si varias pruebas apuntan al mismo hallazgo, es una señal.
- Un valor p pequeño no dice cuán importante es el hallazgo. Compara siempre con tu error total permitido y con la clínica.
- Las herramientas apoyan la decisión del laboratorio; los criterios de aceptación los define tu plan de calidad.