Importancia Análisis estadístico

En el análisis estadístico, "significado" tiene un significado técnico específico. En el uso general, significativa puede significar que algo tiene sentido, o es importante. Sin embargo, cuando los científicos y otros analistas de datos dicen que el resultado fue significativo, que no significan simplemente un hallazgo grande o notable. Quieren decir que los resultados obtenidos en el estudio han cumplido ciertas condiciones estadísticas.

Pruebas de significancia

A "hipótesis" es una predicción o una explicación para un determinado fenómeno. En la ciencia, estas hipótesis se prueban en estudios en los que se recogen los datos y se analizaron para ver si apoya o rechaza la hipótesis. Sin embargo, debido a la recogida y análisis de datos nunca es perfecto, siempre hay una cierta probabilidad de obtener un resultado positivo, aún cuando la hipótesis es realmente incorrecto. Importancia de ensayo intenta averiguar lo que esta probabilidad es; menor será la probabilidad, cuanto más significativos los hallazgos.

Los valores de p

La significación se reportó el uso de un "valor p". Este valor mide la probabilidad de cero, es decir, 0 por ciento de probabilidad, y 1, lo que significa 100 por ciento de posibilidades. Cuanto más se acerca la cifra es cero, más difícil es conseguir que los resultados obtenidos en el análisis por casualidad, y por lo tanto los más investigadores pueden tener confianza en los resultados. El valor de p se calcula a través de procedimientos de análisis complejos, por lo general el uso de programas de software especializado.

Alfa

Una cuestión importante para los analistas que preguntar es: "¿Qué valor p es aceptable?" Este "nivel aceptable" se llama la alfa, y es el punto de corte, por debajo del cual los resultados se consideraron estadísticamente significativos. En muchos campos, incluyendo la psicología, la sociología y la economía, alfa se establece en 0,05. Esto significa que, si la probabilidad de la obtención de los resultados por casualidad es del 5 por ciento o inferior, se consideran estadísticamente significativos.

Errores de tipo I y tipo II

El nivel alfa tiene implicaciones importantes. Cuando se ajusta demasiado alto, por ejemplo 0,2, los falsos positivos se deslice a través de la red y analistas suponer un efecto cuando no hay uno. Se trata de un error de tipo I. Cuando se establece demasiado bajo, por ejemplo 0,0001, falsos negativos se pueden hacer y los investigadores pueden asumir ningún efecto cuando hay uno. Se trata de un error de tipo II. No hay manera científica para establecer alfa, y el uso general de 0,05 convención es esencialmente arbitraria.

limitaciones

Una limitación importante de NHST es que el valor p está muy influenciada por el número de puntos de datos en el análisis. Si hay miles de puntos de datos en el análisis, incluso efectos muy pequeños pueden ser estadísticamente significativa. Por lo tanto, un efecto significativo en un estudio no podría representar algo que está teniendo un efecto en el mundo real. Para evitar esto, la importancia se suele combinar con otras estadísticas, como el "tamaño del efecto", que se aproxima al tamaño de la diferencia.