Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En este texto se estudiará el concepto de potencia estadística, que es, como se calcula, que
factores le influye y porque es importante,
Tamaño de efecto: es el punto crucial para comprender la potencia y un tema considerable para
comprender las investigaciones psicológicas.
*Cuando un estudio tiene chances de menos del 50% de resultar significativo, aun si la hipótesis de
investigación es verdadera, decimos que el estudio tiene baja potencia.
*Cuando un estudio tiene chances de más del 50% de resultar significativo, decimos que el estudio
tiene alta potencia.
La probabilidad de cometer un error tipo I se denomina alfa y en la mayoría de los estudios, alfa es
igual a 0,05.
La seguridad que tienen los investigadores para saber que no cometieron el error tipo I es saber
que la probabilidad es baja (menos del 5% si utilizamos el nivel de significación 0,05), y como no
pueden saber si lo cometieron o no, existen intentos de tratar de disminuir el nivel de significación
a 0,001, pero el costo es más alto al establecer niveles demasiado extremos. De eso se
profundizará a continuación.
Error Tipo II y beta
Si se establece un nivel de significación muy riguroso como el 0,001, se corre el riesgo de que la
hipótesis de investigación sea verdadera pero como el resultado es tan extremo no se pueda
rechazar la hipótesis nula, siendo que ésta es falsa.
Los errores Tipo II preocupa a los psicólogos que utilizan aplicaciones practicas pues un error de
este tipo podría provocar que no se implemente un procedimiento practico útil.
Como en este tipo de errores tampoco el investigador puede saber si lo cometió o no, se puede
reducir la probabilidad estableciendo un nivel de significación muy indulgente (p<0,10 o p<0,20)
pues, aunque el estudio arroje una diferencia muy pequeña, hay chances de que los resultados
sean significativos, pero también tiene un costo y es que se corre demasiado riesgo de cometer un
error Tipo I.
Un error Tipo II ocurre cuando decimos que el experimento no es concluyente (no rechazamos la
hipótesis nula) y en realidad nuestra hipótesis era verdadera.
La negociación de este conflicto se resuelve por la convención de que los niveles de significación
estándar tienen que estar entre el 5% y el 1%.
Verdadera / Falsa
La tabla muestra los modos de tomar la decisión correcta y de cometer los errores, además de los
nombres de la probabilidad de cada una de las cuatro posibles decisiones correctas o erróneas.
Puntuación Z: Número de desviaciones estándar que hay por encima o por debajo de la media de
población.
*Es importante observar que la forma en la que se calcula la potencia no tiene nada que ver con el
resultado real del estudio. De hecho, los investigadores por lo general calculan la potencia antes
de realizar el estudio.
*Los procedimientos que se an descrito se aplican cuando estamos frente a una población
conocida y frente a una sola muestra. Si es una situación más compleja, calcular la potencia es más
trabajoso. Para ello, se utilizarán las tablas de ponencia.
Tablas de potencia
Estas tablas fueron preparadas por Cohen, Kraemer & Thiemann, entre otros.
Utilizar las tablas requiere la misma información que el calculo directo de la potencia explicado
más arriba.
En el libro se trata más de entender el concepto de potencia más que de calcular el número, y de
entender que factores influyen en la potencia y como se aplica todo esto a la planificación de
experimentos y a la interpretación de los resultados de las investigaciones.
Hay dos factores principales, el tamaño del efecto predicho por la hipótesis de investigación
(tamaño de efecto) y la cantidad de participantes (tamaño de muestra).
La potencia se ve afectada también por el nivel de significación elegido, si se utiliza una prueba de
una o dos colas, y por el tipo de procedimiento de prueba de hipótesis utilizado.
La medida en la cual dos distribuciones no se superponen, se denomina tamaño del efecto, porque
es la medida en la cual el experimento tiene el efecto de separar las dos poblaciones, es decir
cuanto mayor sea la diferencia esperada entre las medias de las dos poblaciones, mayor es el
tamaño del efecto y a menor varianza en las dos poblaciones, mayor es el tamaño del efecto, en
cualquier caso a mayor tamaño de efecto, mayor potencia.
*La idea general es que cuanto mayor es la diferencia esperada entre las medias de las dos
poblaciones, mayor potencia tiene el estudio.
* a menor superposición entre las dos distribuciones, mayor es la probabilidad de que el estudio
arroje un resultado significativo.
Se calcula sobre la base de dos números: la predicción del investigador en cuanto a la diferencia
entre las medias de las dos poblaciones, y el desvío estándar poblacional (varianza).
La regla para calcular el tamaño del efecto es dividir la diferencia predicha entre las medias por el
desvío estándar poblacional:
d = μ1 – μ2
Ej: Si un estudio tiene tamaño de efecto de 0,25 y hay otro de 2,0, sabremos que el efecto fue
mucho mayor en el segundo estudio, aun si las medidas utilizadas y la cantidad de participantes
fueran completamente diferentes. Este calculo nos permite comparar estudios diferentes pues
estandariza.
*Una de las importantes aplicaciones del tamaño del efecto se ocupa en el procedimiento
denominado meta-análisis, el cual proporciona a los investigadores una herramienta precisa y
objetiva con el fin de combinar y comparar los resultados de distintos estudios acumulados acerca
de un tema determinado.
Pequeño: d = 0,2
Mediano: d = 0,5
Grande: d = 0,8
*Las reglas de Cohen también son útiles para interpretar resultados de estudios ya que nos proporcionan un
parámetro para decidir acerca de la importancia del efecto de un estudio con relación a lo que es típico en
psicología.
*A mayor cantidad de personas, mayor potencia y menor desviación estándar de la distribución de medias.
Las distribuciones medias pueden ser estrechas por dos razones: 1) las poblaciones de individuos tienen
desviación estándar pequeña (tamaño de efecto) 2) el tamaño de la muestra es grande.
*El tamaño de la muestra no tiene nada que ver con el tamaño del efecto pero ambos influyen en la potencia.
Los investigadores calculan la potencia para decidir cuantos participantes incluirán en el estudio, y para que
estos tengan un nivel de potencia harto se necesitan los suficientes participantes.
1.- Nivel de significación (alfa): Un nivel de significación menos extremo (como 0,10), significa mas
potencia, y un nivel de significación más extremo (como 0,001) implica menor potencia.
2.- Prueba de una cola versus prueba de dos colas: Utilizar una prueba de este tipo hace más difícil
obtener significación en cualquiera de las dos colas. Si todas las demás condiciones se mantienen, la
potencia será menor con una prueba de dos colas que con una.
3.- Tipo de procedimiento de prueba de hipótesis: El investigador puede elegir entre más de un
procedimiento para probar su hipótesis.
Cohan sugiere que un estudio debería tener aproximadamente un 80% de potencia para que valga la pena
realizarlo, aunque el costo (por ejemplo, el de analizar mayor cantidad de personas) puede estar fuera de
nuestro alcance.
¿Qué papel cumple la potencia cuando un resultado es significativo? Significación estadística versus
significación práctica
Si bien un estudio con mayor tamaño del efecto puede ser más significativo, un estudio con tamaño del efecto
pequeño también puede resultar significativo. Es más probable que esto suceda cuando el estudio tiene un
alto nivel de potencia debido a otros factores, como por ejemplo una gran muestra.
El mensaje que se quiere transmitir es que existen dos pasos para la evaluación de un estudio. Primero
viendo si el resultado es estadísticamente significativo (que tiene un efecto real) y segundo, viendo si el
tamaño de efecto es lo suficientemente grande para que el resultado del estudio sea útil o interesante.
Un estudio con una gran cantidad de participantes, que resulta estadísticamente significativo, puede tener o
no un gran tamaño del efecto.
Un nivel p pequeño podría ser el resultado de un gran tamaño del efecto, pero bien podría ser también la
consecuencia de el gran tamaño de muestra.
p indica la fuerza de la evidencia en favor de un efecto distinto de cero, p no indica el tamaño de ese efecto
distinto de cero.
El resultado no significativo de un estudio con una potencia alta sugiere que, o bien la hipótesis de
investigación es falsa o bien existe un efecto menor del que se predijo al calcular la potencia.
A mayor potencia, mas estrechos son los intervalos de confianza ya que a cualquier tamaño del efecto, cuanto
mayor sea la potencia, más estrecha será la distribución de las medias muestrales, por lo que será menor el
intervalo de confianza.
Meta-análisis
Es un procedimiento que combina resultados de diferentes estudios, incluso aquellos que usan diferentes
métodos de medición, con el fin de sacar conclusiones generales; la idea es combinar tamaños del efecto.
*Durante la década de 1980 aumentaron las revisiones a través del meta-analisis y parece estar
transformándose en el método estándar para la revisión del material existente de investigaciones en áreas
comunes.
La psicóloga Scarr observó que la palabra “significativo” es desafortunada, ya que en lenguaje ordinario
significa “importante” y recomendó que se cambiara por “confiable” pero no se ha cambiado hasta el
momento.