Cómo calcular la significancia

Contenido

• Error tipo I: rechazo incorrecto de la hipótesis nula
• Error de tipo II: rechazar incorrectamente la hipótesis alternativa
• Determinando el Nivel de Importancia
• Elección de una prueba de significación

La significación estadística es un indicador objetivo de si los resultados de un estudio son matemáticamente "reales" y estadísticamente defendibles, en lugar de ser una casualidad. Las pruebas de significación comúnmente utilizadas buscan diferencias en las medias de los conjuntos de datos o diferencias en las variaciones de los conjuntos de datos. El tipo de prueba que se aplica depende del tipo de datos que se analiza. Depende de los investigadores determinar cuán importantes requieren que sean los resultados; en otras palabras, cuánto riesgo están dispuestos a asumir por estar equivocados. Por lo general, los investigadores están dispuestos a aceptar un nivel de riesgo del 5 por ciento.

Error tipo I: rechazo incorrecto de la hipótesis nula

••• Scott Rothstein / iStock / Getty Images

Se realizan experimentos para probar hipótesis específicas o preguntas experimentales con un resultado esperado. Una hipótesis nula es aquella que no detecta diferencias entre los dos conjuntos de datos que se comparan. En un ensayo médico, por ejemplo, la hipótesis nula podría ser que no hay diferencia en la mejora entre los pacientes que reciben el fármaco del estudio y los pacientes que reciben el placebo. Si el investigador rechaza erróneamente esta hipótesis nula cuando de hecho es cierta, en otras palabras, si "detectan" una diferencia entre los dos conjuntos de pacientes cuando realmente no hubo diferencia, entonces han cometido un error de Tipo I.Los investigadores determinan de antemano cuánto riesgo de cometer un error Tipo I están dispuestos a aceptar. Este riesgo se basa en un valor p máximo que aceptarán antes de rechazar la hipótesis nula, y se llama alfa.

Error de tipo II: rechazar incorrectamente la hipótesis alternativa

Una hipótesis alternativa es aquella que detecta una diferencia entre los dos conjuntos de datos que se comparan. En el caso del ensayo médico, esperaría ver diferentes niveles de mejoras en los pacientes que reciben el fármaco del estudio y los pacientes que reciben el placebo. Si los investigadores no rechazan la hipótesis nula cuando deberían hacerlo, en otras palabras, si "no detectan" ninguna diferencia entre los dos grupos de pacientes cuando realmente hubo una diferencia, entonces han cometido un error de Tipo II.

Determinando el Nivel de Importancia

Cuando los investigadores realizan una prueba de significación estadística y el valor p resultante es menor que el nivel de riesgo considerado aceptable, el resultado de la prueba se considera estadísticamente significativo. En este caso, la hipótesis nula, la hipótesis de que no hay diferencia entre los dos grupos, se rechaza. En otras palabras, los resultados indican que hay una diferencia en la mejora entre los pacientes que reciben el fármaco del estudio y los pacientes que reciben el placebo.

Elección de una prueba de significación

Hay varias pruebas estadísticas diferentes para elegir. Una prueba t estándar compara las medias de dos conjuntos de datos, como los datos de nuestro fármaco del estudio y nuestros datos de placebo. Se usa una prueba t pareada para detectar diferencias en el mismo conjunto de datos, como un estudio de antes y después. Un análisis de varianza unidireccional (ANOVA) puede comparar las medias de tres o más conjuntos de datos, y un ANOVA bidireccional compara las medias de dos o más conjuntos de datos en respuesta a dos variables independientes diferentes, como las diferentes fortalezas de estudio de drogas. Una regresión lineal compara las medias de los conjuntos de datos a lo largo de un gradiente de tratamientos o tiempo. Cada prueba estadística dará como resultado medidas de significancia, o alfa, que pueden usarse para interpretar los resultados de la prueba.