Cómo calcular la significación

La significación estadística es un indicador objetivo de si o no los resultados de un estudio son matemáticamente "real" y estadísticamente defendible, en lugar de sólo una casualidad. las pruebas de significación utilizados comúnmente buscan diferencias en las medias de los conjuntos de datos o las diferencias en las varianzas de los conjuntos de datos. El tipo de prueba que se aplica depende del tipo de datos que se está analizando. Corresponde a los investigadores a determinar cuán significativo que requieren que los resultados sean - en otras palabras, la cantidad de riesgo que están dispuestos a tomar de equivocarse. Por lo general, los investigadores están dispuestos a aceptar un nivel de riesgo del 5 por ciento.

Error tipo I: Erróneamente Al rechazar la hipótesis nula

Los experimentos se llevan a cabo para poner a prueba hipótesis específicas, o preguntas experimentales con un resultado esperado. Una hipótesis nula es uno que detecta que no hay diferencia 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 pacientes que reciben el fármaco de estudio y los pacientes que recibieron el placebo. Si el investigador rechaza erróneamente esta hipótesis nula cuando es verdadera, de hecho, en otras palabras, si "detectar" una diferencia entre los dos grupos de pacientes, cuando en realidad no había diferencia, entonces ellos han cometido un error de tipo I. Los investigadores a determinar de antemano cuál es el riesgo de cometer un error de tipo I que están dispuestos a aceptar. Este riesgo se basa en un p-valor máximo que aceptarán antes de rechazar la hipótesis nula, y se llama alfa.

Error Tipo II: Erróneamente rechazar la hipótesis alternativo

Una hipótesis alternativa es uno que detecta una diferencia entre los dos conjuntos de datos que se comparan. En el caso del ensayo médico, que se puede esperar para ver los diferentes niveles de mejoras en los pacientes que recibieron el fármaco de estudio y los pacientes que recibieron el placebo. Si los investigadores no pueden rechazar la hipótesis nula cuando deberían, en otras palabras, si "detectar" no hay diferencia entre los dos conjuntos de pacientes cuando no había realmente una diferencia, entonces ellos han cometido un error de tipo II.

Determinar el nivel de significación

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

La elección de una prueba de significación

Hay varias pruebas estadísticas diferentes para elegir. Una norma t-test compara las medias de dos conjuntos de datos, tales como nuestros datos fármaco del estudio y nuestros datos con placebo. Una prueba t pareada se utiliza para detectar diferencias en el mismo conjunto de datos, tales como un estudio de antes y después. Un análisis de varianza de una sola vía (ANOVA) puede comparar las medias de tres o más conjuntos de datos, y un ANOVA de dos vías compara las medias de dos o más conjuntos de datos en respuesta a dos variables independientes diferentes, tales como diferentes puntos fuertes de la fármaco del estudio. Una regresión lineal compara los medios de los conjuntos de datos a lo largo de un gradiente de tratamientos o tiempo. Cada prueba estadística resultará en medidas de importancia, o alfa, que se pueden utilizar para interpretar los resultados de la prueba.