Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FAQ Estadistica
FAQ Estadistica
ndice
Pregunta 1. ..................................................................................................... 4
Pregunta 2. ..................................................................................................... 4
Pregunta 3. ..................................................................................................... 4
Pregunta 4. ..................................................................................................... 5
Pregunta 5. ..................................................................................................... 5
Pregunta 6. ..................................................................................................... 5
Pregunta 7. ..................................................................................................... 6
Pregunta 8. ..................................................................................................... 7
Pregunta 9. ..................................................................................................... 7
Pregunta 10. ................................................................................................... 8
Pregunta 1.
Pregunta 2.
Pregunta 3.
Pregunta 5.
Pregunta 6.
Y eso es una buena prctica?
En Estadstica aceptar la Hiptesis terica (Ho) no quiere decir que hayamos
probado que es cierta. Muchas veces se debe a un tamao de muestra demasiado
pequeo, a una variabilidad demasiado grande que no se ha manejado de manera
ptima, a un test estadstico inadecuado para la situacin del estudio, y un largo
etc. Porque esto ocurre, resultados no significativos se asocian con no se han
hecho las cosas adecuadamente y los referees dicen No merece la pena publicar
este trabajo.
Sin embargo a veces es cierto que todo se ha hecho correctamente y sencillamente
lo que sucede es que no hay diferencias. Rechazar de forma sistemtica los
trabajos con resultados no significativos implica que esos trabajos que dicen que
un tratamiento nuevo no difiere del resto (eso puede ocurrir en 1000
investigaciones, por ejemplo) quedan sin publicar y solo se hacen pblicos los 2 o 3
que si obtuvieron diferencias significativas. Evidentemente eso est produciendo
un sesgo que puede ser muy peligroso (de hecho en la literatura especializada se
habla del sesgo de publicacin para referirse a este hecho).
Lo ptimo, desde nuestro punto de vista, sera incrementar el control en el rigor
estadstico de las publicaciones para que no quepa la opcin de hablar de
resultados no significativos por mala praxis y publicar tanto los que son
significativos como los que no lo son.
Pregunta 7.
He ledo, si tienes pocos datos no te preocupes, utiliza la U de Mann-Whitney,
es eso cierto?
No es cierto en absoluto. Si tiene pocos datos, debera preocuparse de obtener
ms.
Lo que realmente ocurre es lo siguiente: cuando el tamao muestral es bajo, la t
de Student suele llevar a la aceptacin de H0. Sin embargo la U de Mann-Whitney
(para datos independientes) o el test de Wilcoxon para datos apareados, son
versiones no paramtricas que declaran fcilmente la significacin estadstica.
Pero hay que tener en cuenta que los test no paramtricos son, en general, menos
Pregunta 8.
Al comparar casos y controles, con muestras pequeas, debemos aplicar el
test U de Mann-Whitney o el test de Wilcoxon?
Casos y Controles son dos grupos claramente diferenciados por mucho que cada
caso tenga un control con caractersticas similares en todo excepto en la variable
objeto de estudio. Por tanto se trata de datos independientes, (estadsticamente).
Debera utilizarse la U de Mann Whitney.
Pregunta 9.
Pregunta 10.
Cundo los resultados son no significativos no se ha probado nada, y cundo
son significativos s?
Resultados estadsticamente significativos quiere decir que los datos han aportado
informacin (pruebas) suficiente para rechazar la Hiptesis terica, con bajo
riesgo.
Igual que en un juicio, cuando hay pruebas se declara al sujeto delincuente. Y si
las pruebas son falsas? Pues el veredicto ser errneo, pero es la forma en la que
se trabaja.
En estadstica pasa igual, si hay pruebas se declaran diferencias, variables
relacionadas, etc., pero si las pruebas no son buenas habremos decidido mal. Por
eso hablamos de un riesgo del 5% porque sabemos que de cada 100 veces que se
declaran diferencias, en 5 realmente no existen esas diferencias, pero, es la
forma en la que se trabaja.