Valor de P y nivel de confianza

Análisis de la muestra

Al plantear un estudio sobre una población, idealmente debemos estudiar a

todos los individuos que la conforman; pero no siempre podemos acceder a
todos, entonces tenemos que escoger una muestra; sin embargo los
resultados obtenidos de esta manera no serán exactamente iguales a los que
se obtendrían de estudiar a toda la población; es decir, siempre va a haber un
margen de error.

Por eso se intenta que la muestra sea lo más representativa posible de la

población, siguiendo métodos de muestreo adecuados.
SIGNIFICANCIA ESTADISTICA:
Es un concepto matemático que se refiere a las
probabilidades de que un resultado se deba o no al “azar” y
se relaciona con la necesidad de probar hipótesis.

Es una forma de expresar matemáticamente si dos grupos

o más son o no diferentes dentro de una muestra (o si dos
resultados tienen diferencias dentro de un mismo grupo) y
esas diferencias no son debidas a factores aleatorios.

žPara identificar si hay diferencias en los resultados de un estudio,

debemos contrastar el nivel de confianza (también llamado criterio de
significancia) pre-establecido con el valor de p obtenido del análisis
estadístico que le aplicamos a nuestro experimento.
Vamos por partes.
 Nivel de significancia (sinónimos: criterio de
confianza, criterio de significancia).

Es la confianza que debemos alcanzar para generalizar el resultado de una

muestra hacia toda la población (confianza que tenemos de que la conclusión
a la que hemos llegado es cierta).

vEl nivel de significancia es comúnmente representado por el símbolo griego

α (alfa). Son comunes los niveles de significación del 0.05, 0.01 (0.001 es
menos frecuente).

v El nivel de significancia: Es la máxima probabilidad de error que estamos

dispuestos aceptar para dar como válida nuestra hipótesis.

vEn el campo de la investigación en ciencias biológicas, este margen de

error significa que las observaciones o resultados derivados de la
investigación en curso, pueden deberse al azar en hasta un 5%, 1% o 0.1%
de los casos, pero no más.
¿qué nivel de significancia establecerías
para un estudio clínico de una vacuna o
de un fármaco?
Respuesta: α = 0.01
Si establecemos α = 0.01 para que sea válido
nuestro tratamiento, solo estamos dispuestos
a aceptar que exista una posibilidad 1 en cien
de que los resultados se deban al azar.

Por lo tanto. Si ya se trabajó bien en ese

tratamiento, la vacuna o el fármaco tendrá que
ser efectiva en el 99% de los casos. Pero esto
se tiene que demostrar (contrastar con el valor
de p).
ž Una vez que en el párrafo final de tu
método describes qué análisis
estadístico vas a aplicar a tu
experimento, realizas el experimento,
haces las pruebas estadísticas y
obtienes el valor de p
¿qué es el valor de p?
Valor de P
v p es la probabilidad de error al comparar dos o más
muestras o grupos cuando aseguramos que ambos son
diferentes, es decir, es la probabilidad de equivocarse al
aceptar la hipótesis nula. Lo ideal es que el valor de p sea
bajo cuando se hipotetiza que hay diferencias debidas a la
variable independiente. Este valor se obtiene hasta que se
realiza la prueba estadística inferencial de nuestro
experimento y puede adquirir valores que van de 1 a 0 en
cifras fraccionarias.

v Obtener una p ≤ 0.05 significa que tenemos menos del 5%

de probabilidades de error en las conclusiones, por lo cual la
probabilidad de equivocarnos es baja.
ž Recordemos que en la hipótesis se
estableció lo que se pretende
demostrar.
ž Una vez que se hace el experimento se
toman decisiones de aceptar o rechazar
la hipótesis (nunca de cambiarla, eso es
trampa).
ž Recordemos también que

la hipótesis nula (Ho) representa la

afirmación de que no hay diferencias entre
una condición experimental con otra,

la hipótesis alternativa (Ha) afirma que

existen diferencias entre dos condiciones
experimentales.
Prueba de hipótesis: α vs p
ž La decisión de rechazar o no una hipótesis nula, se
basa en la probabilidad de que las diferencias halladas
se deban o no al azar.

ž Si un contraste de hipótesis proporciona un valor p

inferior a α, la hipótesis nula es rechazada (se acepta
entonces la hipótesis alternativa), siendo tal resultado
denominado estadísticamente significativo.
Se puede incurrir en errores estadísticos llamados tipo I y tipo II.

El error tipo I (error de tipo alfa o falso positivo): consiste en rechazar la

hipótesis nula cuando es verdadera, se cree que hay una asociación
estadísticamente significativa (que hay diferencias estadísticas) cuando no la hay.
Por lo tanto, es un juicio de valor equivocado.

Ejemplos:
1.El resultado nos hace emitir el juicio de valor de que el paciente está
enfermo, a pesar de que en realidad está sano. Ho: el paciente está sano.

2. Se declara culpable al acusado, a pesar de que en realidad es inocente.

Ho: el acusado es ___________

3. No se permite el ingreso de una persona, a pesar de que tiene derecho a

ingresar. Ho: La persona ________________________
ž Error tipo II (error tipo beta o falso
negativo)

Este error es un falso negativo, consiste en

aceptar la hipótesis nula cuando es falsa,
es creer que no existe una asociación
estadísticamente significativa (que no hay
diferencias estadísticas) cuando
probablemente la hay.
Una vez realizado el contraste de hipótesis, se habrá optado por una de las
dos hipótesis, la hipótesis nula Ho o la hipótesis alternativa Ha, y la decisión
escogida coincidirá o no con la que en realidad es cierta. Se pueden dar los
cuatros casos que se exponen en el siguiente cuadro:
Ejemplo de pruebas de contraste
de la vacuna o el fármaco

Si establecimos α = 0.01 y el resultado de

una prueba estadística dio p ≤ 0.01 quiere
decir que existe una posibilidad 1 en cien
de que los resultados se debieron al azar.

Por lo tanto el resultado de la vacuna o el

fármaco fue efectivo en el 99% de los
casos.
Tarea:
ž Investigar diferencia entre error
estándar y desviación estándar.