Cómo calcular la importancia

la significación estadística es un indicador objetivo de si los resultados de un estudio son matemáticamente "reales" y estadísticamente defendibles, en lugar de ser un hecho casual. las pruebas de significación comúnmente utilizadas buscan diferencias en los medios 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 están analizando. Depende de los investigadores determinar qué tan 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.

se llevan a cabo 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 mejoría entre los pacientes que reciben el fármaco del estudio y los que reciben el placebo. si el investigador rechaza erróneamente esta hipótesis nula cuando de hecho es verdadera, en otras palabras, si "detecta" una diferencia entre los dos grupos de pacientes cuando realmente no hubo diferencia, entonces cometió un error de tipo i. los investigadores determinan de antemano cuánto riesgo de cometer un error de tipo i que estén dispuestos a aceptar. este riesgo se basa en un valor p máximo que aceptarán antes de rechazar la hipótesis nula,

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 mejoría en los pacientes que reciben el fármaco del estudio y en los que reciben el placebo. si los investigadores no rechazan la hipótesis nula cuando deberían, en otras palabras, si "detectan" ninguna diferencia entre los dos grupos de pacientes cuando realmente hubo una diferencia, entonces cometieron un error de tipo ii.

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, se rechaza la hipótesis nula (la hipótesis de que no hay diferencia entre los dos grupos). en otras palabras, los resultados indican que existe una diferencia en la mejoría entre los pacientes que reciben el fármaco del estudio y los que reciben el placebo.

Hay varias pruebas estadísticas diferentes para elegir. una prueba t estándar compara los promedios de dos conjuntos de datos, como los datos de los medicamentos del estudio y los datos de placebo. Se utiliza una prueba t pareada para detectar diferencias en el mismo conjunto de datos, como un estudio de antes y después. un análisis de varianza de una vía (anova) puede comparar las medias de tres o más conjuntos de datos, y una anova de dos vías compara las medias de dos o más conjuntos de datos en respuesta a dos variables independientes diferentes, como las diferentes fortalezas de la 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 significación, o alfa, que se pueden usar para interpretar los resultados de la prueba.