Significancia

Ricardo Vilchez
 ¿Qué es el nivel de significancia?
 Nivel de significancia es un nivel de la probabilidad de
equivocarse y que fi ja de manera a priori el investigador.
 Para probar hipótesis inferenciales respecto a la media, el
investigador debe evaluar si es alta o baja la probabilidad de que
la media de la muestra esté cerca de la media de la distribución
muestral. Si es baja, el investigador dudará de generalizar a la
población. Si es alta, el investigador podrá hacer
generalizaciones.
 si fuera a apostar en las carreras de caballos y tuviera 95% de
probabilidades de atinarle al ganador, contra sólo 5% de perder,
¿apostaría? Obviamente sí, siempre y cuando le aseguraran ese
95% en favor.
 La inteligencia
 Una gran cantidad de los fenómenos del comportamiento humano se manifiestan
de la siguiente forma: la mayoría de las puntuaciones se concentran en el centro
de la distribución, en tanto que en los extremos encontramos sólo algunas
puntuaciones.
 Por ejemplo, la inteligencia: hay pocas personas muy inteligentes (genios), pero
también hay pocas personas con muy baja inteligencia (por ejemplo: personas con
capacidades mentales diferentes). La mayoría de los seres humanos somos
medianamente inteligentes. Esto podría representarse así:
 Distribución Normal
 Se ha creado un modelo de probabilidad llamado curva normal o distribución normal.
Como todo modelo es una distribución teórica que difícilmente se presenta en la
realidad tal cual, pero sí se presentan aproximaciones a éste.
 La curva normal tiene la siguiente configuración:
 Características de la Distribución Normal

Las principales características de la distribución normal son:

1. Es unimodal, una sola moda.
2. La asimetría es cero. La mitad de la curva es exactamente igual a la otra mitad.
La distancia entre la media y +3s es la misma que la distancia entre la media y –3s.
3. Es una función particular entre desviaciones con respecto a la media de una
distribución y la probabilidad de que éstas ocurran.
4. La base está dada en unidades de desviación estándar (puntuaciones z),
destacando las puntuaciones –1s, –2s, –3s, +1s, +2s y +3s (que equivalen
respectivamente a –1.00z, –2.00z, –3.00z, +1.00z, +2.00z, +3.00z). Las distancias
entre puntuaciones z representan áreas bajo la curva. De hecho, la distribución de
puntuaciones z es la curva normal.
5. Es mesocúrtica (curtosis de cero).
6. La media, la mediana y la moda coinciden en el mismo punto.
 Confianza del investigador
a) El nivel de significancia de 0.05, el cual implica que el
investigador tiene 95% de seguridad para generalizar sin
equivocarse y sólo 5% en contra. En términos de probabilidad,
0.95 y 0.05, respectivamente; ambos suman la unidad.
b) El nivel de significancia de 0.01, el cual implica que el
investigador tiene 99% en su favor y 1% en contra (0.99 y 0.01 =
1.00) para generalizar sin temor.
A veces el nivel de significancia puede ser todavía más riguroso,
como al generalizar resultados de medicamentos o vacunas; o
la resistencia de los materiales de un edificio (por ejemplo, 0.001,
0.00001, 0.00000001), pero al menos debe ser de 0.05. No se
acepta un nivel de 0.06 (94% a favor de la generalización
confiable), porque se busca hacer ciencia lo más exacta
posible.
 ¿Cómo se relacionan la distribución
muestral y el nivel de significancia?
 El nivel de significancia se expresa en términos de probabilidad (0.05 y 0.01) y
la distribución muestral también como probabilidad (el área total de ésta
como 1.00). Pues bien, para ver si existe o no confianza al generalizar
acudimos a la distribución muestral, con una probabilidad adecuada para la
investigación.
 El nivel de significancia lo tomamos como un área bajo la distribución
muestral y depende de si elegimos un nivel de 0.05 o de 0.01. Es decir, que
nuestro valor estimado en la muestra no se encuentre en el área de riesgo y
estemos lejos del valor de la distribución muestral, que insistimos es muy
cercano al de la población.
 Así, el nivel de significancia representa áreas de riesgo o confianza en la
distribución muestral.
Nivel de significancia del 0.01
 Nivel de significancia del 0.05

1. Podemos expresarlo en proporciones (0.025, 0.95 y 0.025, respectivamente) o porcentajes como está en
la gráfica.
2. 95% representa el área de confianza y 2.5%, el área de riesgo (2.5% + 2.5% = 5%) en cada extremo,
porque en nuestra estimación de la media poblacional pasaríamos hacia valores más altos o bajos.
 Análisis paramétricos

Para realizar análisis paramétricos debe partirse de los

siguientes supuestos:
1. La distribución poblacional de la variable dependiente
es normal: el universo tiene una distribución normal.
2. El nivel de medición de las variables es por intervalos o
razón.
3. Cuando dos o más poblaciones son estudiadas, tienen
una varianza homogénea: las poblaciones en cuestión
poseen una dispersión similar en sus distribuciones
Pruebas Paramétricas

Existen diversas pruebas paramétricas, pero las más utilizadas

son:
• Coeficiente de correlación de Pearson y regresión lineal.
• Prueba t.
• Prueba de contraste de la diferencia de proporciones.
• Análisis de varianza unidireccional (ANOVA en un sentido).
• Análisis de varianza factorial (ANOVA).
• Análisis de covarianza (ANCOVA).