📊 statistics

Weighted Holm Procedures: Theory, Properties, and Recommendations

Este artículo presenta una comparación sistemática de dos procedimientos de Holm ponderados, demostrando teóricamente y mediante simulaciones que el procedimiento basado en valores p ponderados ordenados (WHP) es uniformemente más potente, monotónico y óptimo que el basado en valores p crudos (WAP), ofreciendo además representaciones gráficas y valores p ajustados para su aplicación práctica.

Autores originales: Beibei Li, Wenge Guo

Publicado 2026-04-23

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Beibei Li, Wenge Guo

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que eres el juez de un gran concurso de talentos. Tienes muchos participantes (hipótesis) y un presupuesto limitado de "puntos de error" (el nivel de significancia, $\alpha$ ) que no puedes gastar de más, o el concurso será injusto.

El problema es que no todos los participantes son iguales. Algunos son estrellas de rock (hipótesis muy importantes) y otros son talentos emergentes (hipótesis menos críticas). Quieres darle más oportunidades a las estrellas, pero sin deshonrar al resto.

Este artículo es una batalla entre dos métodos para decidir quién gana y quién pierde en este concurso, cuando hay que probar muchas cosas a la vez. Los autores, Beibei Li y Wenge Guo, comparan dos "árbitros" (procedimientos estadísticos):

El Árbitro WAP (El "Purista"): Mira solo quién tiene la mejor actuación ahora mismo (los valores p crudos), sin importar quién es el participante. Es como si dijeras: "No importa si eres una estrella, si tu nota de hoy es baja, te elimino".
El Árbitro WHP (El "Estratega"): Mira la actuación, pero la ajusta según la fama del participante (los valores p ponderados). Si una estrella tiene una nota decente, el árbitro la trata mejor que a un desconocido con la misma nota.

Aquí está la explicación sencilla de lo que descubrieron:

1. La Gran Revelación: El Estratega (WHP) siempre gana

Los autores demostraron matemáticamente que el WHP (el Estratega) es siempre más poderoso que el WAP (el Purista).

La analogía: Imagina que tienes un mapa del tesoro. El WAP te dice: "Cava donde veas un destello de luz". El WHP te dice: "Cava donde veas un destello, pero si el destello está en un lugar donde sabemos que hay oro (alta prioridad), cava más profundo".
El resultado: Si el WAP encuentra un tesoro, el WHP también lo encontrará. Pero el WHP encontrará más tesoros que el WAP, sin cometer más errores. En estadística, esto significa que WHP tiene más "poder" para detectar efectos reales.

2. El problema de la "Lógica Invertida" (Monotonía)

El WAP tiene un defecto curioso: a veces, si mejoras tu nota (bajas tu valor p), podrías perder tu puesto en la lista de prioridades.

La analogía: Imagina una carrera. Si el WAP es el juez, a veces, si un corredor rápido se pone una camiseta más brillante (cambia su peso), el juez lo pone en una posición peor en la lista, aunque corra igual de rápido. Esto es confuso y poco lógico.
El WHP, en cambio, es lógico y estable. Si mejoras tu actuación, tu posición en la lista nunca empeora. Es como un sistema de puntuación justo donde el esfuerzo siempre se recompensa.

3. El Mapa Visual (Gráficos)

Para que los médicos y los no estadísticos entiendan esto, los autores dibujaron "mapas de flujo".

Imagina un tablero de juego con fichas. Cada vez que eliminas una ficha (rechazas una hipótesis falsa), el "presupuesto de puntos" que tenía esa ficha se reparte a las fichas vecinas.
El WHP y el WAP usan el mismo tablero, pero el WHP decide qué ficha mover primero basándose en su importancia, mientras que el WAP solo mira quién tiene el número más bajo en la mano. El mapa del WHP es más eficiente para llegar a la meta.

4. ¿Se puede mejorar el WHP? (Optimalidad)

Los autores se preguntaron: "¿Podemos hacer al WHP aún más fuerte?".

La respuesta: No. El WHP es óptimo. Es como un motor de coche que ya está ajustado al máximo. Si intentas ponerle más gasolina (aumentar los valores críticos) para que vaya más rápido, el coche se descontrolará y cometerá errores (violación del control de errores).
El WAP, por otro lado, solo es óptimo en condiciones muy específicas (cuando las diferencias entre la importancia de los participantes no son extremas). Si hay una estrella de rock y un principiante, el WAP puede fallar en ser el mejor juez.

5. La Prueba de Fuego (Simulaciones y Casos Reales)

Los autores hicieron miles de simulaciones de carreras y probaron casos reales de ensayos clínicos (como pruebas para la diabetes y problemas respiratorios).

El veredicto: En casi todos los casos, el WHP encontró más tratamientos efectivos que el WAP, manteniendo la seguridad de que no estaban mintiendo sobre los resultados.
En un ejemplo real de diabetes, el WHP detectó 4 tratamientos exitosos, mientras que el WAP solo vio 2. El WHP vio lo que el WAP se perdió.

Conclusión: ¿Qué debemos hacer?

Si eres un investigador, un médico o alguien que toma decisiones basadas en datos:

Olvídate del WAP (el Purista) si quieres lo mejor. Aunque parece más "objetivo" porque ignora las etiquetas de importancia, en realidad es menos justo y menos efectivo.
Usa el WHP (el Estratega). Es más inteligente, más lógico, más potente y siempre cumple las reglas del juego.

En resumen: Cuando tienes que elegir entre múltiples opciones y algunas son más importantes que otras, no ignores esa importancia. El método WHP es la herramienta que te permite usar esa información para tomar mejores decisiones, sin sacrificar la precisión. Es como tener un GPS que no solo te dice el camino más corto, sino que también sabe qué rutas son las más seguras y rápidas para tu tipo de vehículo.

A continuación presento un resumen técnico detallado del artículo "Weighted Holm Procedures: Theory, Properties, and Recommendations" (Procedimientos de Holm Ponderados: Teoría, Propiedades y Recomendaciones), escrito por Beibei Li y Wenge Guo.

1. Planteamiento del Problema

En muchas aplicaciones estadísticas, especialmente en ensayos clínicos, las hipótesis no tienen la misma importancia. Esto motiva el uso de procedimientos de prueba múltiple ponderados (wMTPs) para controlar la Tasa de Error Familiar (FWER, Familywise Error Rate).

Existen dos procedimientos de Holm ponderados ampliamente utilizados, pero con enfoques de ordenamiento diferentes:

Procedimiento de Holm Ponderado (WHP): Ordena las hipótesis basándose en los valores p ponderados ( $\tilde{P}_i = P_i / w_i$ ).
Procedimiento de Holm Ponderado Alternativo (WAP): Ordena las hipótesis basándose en los valores p crudos ( $P_i$ ), independientemente de los pesos asignados.

Aunque el WAP se percibe a veces como más "objetivo" porque su ordenamiento no depende de los pesos, la literatura carecía de una comparación sistemática rigurosa sobre sus propiedades estadísticas, su potencia relativa y su optimalidad bajo dependencia arbitraria. El objetivo del artículo es llenar esta brecha, comparando ambos métodos y proporcionando recomendaciones prácticas.

2. Metodología y Enfoque Teórico

Los autores emplean un marco teórico robusto que integra cuatro perspectivas principales para comparar WHP y WAP:

Procedimientos de Prueba Cerrada (CTP): Ambos métodos se reformulan como CTPs. Esto permite analizar sus propiedades fundamentales (monotonía, consonancia) y comparar sus pruebas locales.
- El WHP corresponde a un CTP con pruebas locales de tipo Bonferroni ponderado.
- El WAP corresponde a un CTP con pruebas locales específicas que no son Bonferroni ponderadas estándar.
Representaciones Gráficas: Se desarrollan algoritmos gráficos unificados para ambos procedimientos. Utilizan una matriz de transición inicial común, pero difieren en el criterio de ordenamiento (valores p ponderados vs. crudos) y en la estrategia de actualización de los niveles de significancia local.
Valores p Ajustados: Se derivan fórmulas explícitas para los valores p ajustados ponderados (para WHP) y los valores p ajustados estándar (para WAP), permitiendo una implementación directa basada en umbrales globales.
Análisis de Optimalidad: Se investiga si es posible mejorar los valores críticos de los procedimientos sin violar el control del FWER.

3. Contribuciones Clave y Resultados Teóricos

A. Dominancia de Potencia Uniforme

El resultado teórico más importante es la Teorema 3.1: El WHP es uniformemente más potente que el WAP bajo dependencia arbitraria.

Lógica: Si una hipótesis es rechazada por el WAP, también lo será necesariamente por el WHP.
Implicación: El WHP domina al WAP en términos de poder estadístico, manteniendo el mismo control estricto del FWER.

B. Propiedades Estructurales: Monotonía y Consonancia

Monotonía: El WHP es monótono con respecto a los valores p (reducir un valor p nunca disminuye el número de rechazos) y satisface la condición de monotonía en su representación CTP.
WAP y Monotonía: El WAP carece de monotonía (bajo las definiciones estándar de Dmtrienko et al. y Hommel et al.), lo que puede llevar a una pérdida de potencia. Sin embargo, sorprendentemente, su representación CTP sigue siendo consonante (si se rechaza una hipótesis de intersección, se rechaza al menos una de sus componentes), lo que permite ciertas simplificaciones computacionales a pesar de la falta de monotonía global.

C. Optimalidad

WHP: Se demuestra que el WHP es óptimo incondicionalmente. No se pueden aumentar sus valores críticos sin violar el control del FWER. Es el procedimiento de paso hacia abajo más potente basado en valores p ponderados.
WAP: El WAP es óptimo solo bajo condiciones restrictivas. Es óptimo si y solo si la relación entre el peso mínimo y el peso máximo satisface $\min(w_i) / \max(w_i) \geq \alpha$ . Si los pesos son muy desiguales, el WAP pierde su propiedad de optimalidad.

D. Representación Gráfica

Se introduce una nueva representación gráfica para el WAP (basada en valores p crudos) que extiende el marco existente de Bretz et al. (2009). Esto facilita la comunicación con equipos no estadísticos y la implementación en software, mostrando visualmente cómo la diferencia en el ordenamiento afecta la asignación de niveles de significancia.

4. Resultados Empíricos (Simulaciones y Datos Reales)

Estudios de Simulación

Los autores realizaron simulaciones extensas con diferentes tamaños de hipótesis ( $m$ ), proporciones de nulos verdaderos ( $\pi_0$ ) y estructuras de correlación ( $\rho$ ).

Control de FWER: Ambos métodos controlaron el FWER en el nivel nominal $\alpha$ .
Potencia: El WHP mostró consistentemente una mayor potencia promedio que el WAP en todos los escenarios.
Impacto de los Pesos:
- Con pesos informativos (donde los pesos reflejan bien la importancia), ambos métodos superan al procedimiento de Holm no ponderado.
- El WHP aprovecha mejor la información de los pesos.
- Con pesos no informativos, el WHP mantiene un rendimiento superior o comparable, mientras que el WAP puede sufrir una pérdida de potencia significativa.

Análisis de Datos Reales (Casos Clínicos)

Se aplicaron ambos métodos a dos estudios clínicos:

Ensayo ARDS: Ambos métodos rechazaron todas las hipótesis, pero el WHP generó valores p ajustados más pequeños, indicando mayor potencia.
Ensayo de Diabetes Tipo 2: El WHP rechazó 4 hipótesis (H1, H2, H3, H4), mientras que el WAP solo rechazó 2 (H1, H3). Esto demuestra cómo el WHP puede detectar efectos de tratamiento adicionales que el WAP pasa por alto, gracias a un uso más eficiente de la distribución de pesos.

5. Significado y Recomendaciones

El artículo concluye que el Procedimiento de Holm Ponderado (WHP) debe ser el método de elección en la práctica, especialmente en ensayos clínicos.

Ventajas del WHP: Ofrece garantías teóricas más fuertes (óptimo incondicionalmente), mayor potencia estadística, propiedades de monotonía deseables y una representación gráfica intuitiva.
Desventajas del WAP: Su falta de monotonía y su optimalidad condicional lo hacen menos robusto, especialmente cuando las diferencias en los pesos son grandes.
Recomendación Práctica: Los investigadores deben utilizar el WHP. Además, el artículo enfatiza que la elección cuidadosa de los pesos es crucial; pesos bien especificados mejoran significativamente la potencia de ambos métodos, pero el WHP es más robusto ante especificaciones subóptimas.

En resumen, este trabajo resuelve la ambigüedad histórica sobre qué procedimiento de Holm ponderado utilizar, demostrando teórica y empíricamente la superioridad del enfoque basado en el ordenamiento de valores p ponderados (WHP).