La significación estadística es la probabilidad de que la relación observada sea producto de la casualidad, o lo que es lo mismo, la probabilidad de cometer un error estadístico al ofrecer un resultado. El valor mínimo universalmente exigido para poder concluir que las diferencias son estadísticamente significativas es de p < 0.05, lo que nos indica que la relación observada se deba al azar es de 0.05 por 1, o lo que es lo mismo, del 5% (afirmando por tanto que el resultado del estudio se cumple al menos en el 95% de los casos).
Como mencionábamos en el post anterior, el contraste de hipótesis consiste en contrastar las hipótesis del estudio con los datos obtenidos en la muestra, de manera que se determine si las diferencias son debidas a la causalidad (relación causa-efecto) o a la casualidad (por azar). En este caso, se formulan lo que se conocen como hipótesis nula (H0), que indica que no hay diferencias significativas entre los resultados obtenidos en la práctica y los teóricos; a partir de la hipótesis de investigación o alternativa (H1/Ha), que afirma que la media de la población es un valor diferente al hipotético. Como generalmente el nivel de significación es de un 95%, si p > 0.05, no puede rechazarse la hipótesis nula, y si p < 0.05, sí se rechaza, aceptando la alternativa. A continuación, puedes ver ejemplos en el siguiente vídeo:
Si la hipótesis nula es verdadera (H0: µA = µB), quiere decir que las diferencias son debidas al azar o a características de la muestra. Si es falsa (H1: µA ≠ µB, pudiendo darse µA < µB o µA > µB), quiere decir que las diferencias se deben a una relación causa-efecto, siendo necesario un contraste bilateral o de dos colas, para determinar si el parámetro es mayor o menor (distribuyéndose en las dos colas de la curva, adoptando un valor de α/2). Según si se indica el sentido de la diferencia, las hipótesis pueden ser direccionales o no direccionales.
Tras la formulación de la hipótesis nula, se calcula la probabilidad de que los resultados observados puedan deberse al azar mediante el estadístico de contraste más apropiado, que mide el grado de significación estadística (p), en base a la escala de medida y el tipo de variables, la independencia o dependencia de las medidas y el aspecto de la distribución de la variable dependiente. Normalmente se trabaja con datos en los que se pueden utilizar contrastes paramétricos, es decir, la prueba del chi cuadrado (dos variables cualitativas), la t de student (variable cualitativa de 2 categorías y variable cuantitativa), ANOVA (variable cualitativa de más de 2 categorías y variable cuantitativa) y la correlación de Pearson (variable cualitativa y variable cuantitativa).
Por último, en base a p, la hipótesis será rechazada o no, que es el mencionado anteriormente como valor de significación estadística (α), que como decíamos era del 5% (0.05). A menor valor de p, menor probabilidad de azar, más cerca de la región de aceptación y mayor probabilidad de rechazo de la hipótesis nula; cuando el valor de p es inferior al del límite crítico, entonces estaríamos en la región de aceptación de la hipótesis nula. Hablamos de estudios negativos cuando no existe una diferencia estadísticamente significativa (se acepta la hipótesis nula). De todas formas, siempre existe cierto error a la hora de rechazar la hipótesis nula. El error de tipo I (o error α = 0.05) se da cuando se afirma que hay diferencias significativas cuando no es cierto, rechazando la hipótesis nula. El error de tipo II (error β, del 5% al 20%, siendo generalmente del 0.2) se da cuando no se establecen diferencias, siendo esto incierto, aceptándose la hipótesis nula. Por tanto, si la significación estadística de α = 0.01, esta será la probabilidad de cometer el error de tipo I, que cuanto menor sea, mayor hará la probabilidad de cometer el error de tipo II. A continuación, podrás ver algunos ejemplos en el siguiente vídeo:
A continuación, podrás ver un resumen completo en el siguiente vídeo:
¡Hasta aquí el resumen! Si tienes alguna duda, ponla en comentarios. ¡Hasta la próxima!
Comentarios
Publicar un comentario