Acerca de Servicios Reseñas Recursos Eventos Contacto Clientes existentes

Investigación cuantitativa Nov

12
2022

Cómo elegir una prueba estadística adecuada

La estadística inferencial implica el uso de la teoría estadística para probar hipótesis. Saber cuándo utilizar qué prueba estadística puede ser una
parte frustrante del proceso de tesis. Esta publicación destaca consideraciones importantes al desarrollar un plan de análisis estadístico para su
disertación o tesis.

Antes de profundizar en los detalles, hagamos un breve resumen de qué es una hipótesis de investigación.
Con la estadística inferencial, se pueden probar hipótesis sobre la población objeto de estudio mediante:
Examinar las relaciones
Comparando grupos
Construyendo modelos predictivos o explicativos
Y más…
Cada prueba estadística prueba una hipótesis. El objetivo principal de la prueba de hipótesis es elegir entre dos hipótesis en competencia (es
decir, nula y alternativa) sobre el valor de un parámetro poblacional. Las pruebas estadísticas suponen una hipótesis nula de ausencia de
relación o diferencia entre grupos antes de determinar si los datos de la muestra (observados) quedan fuera del rango de valores predichos por
la hipótesis nula. Si los datos de la muestra quedan fuera del rango de valores predichos por la hipótesis nula, la hipótesis alternativa se
considera verdadera.

Hipótesis nula (Ho) Hipótesis alternativa (Ha)

Afirmación que sostiene que existen diferencias entre grupos o que

Afirmación que sostiene que no existe diferencia o relación entre existe una relación entre variables.
grupos o variables.

Una diferencia/efecto/relación está presente.

Ninguna diferencia/ningún efecto/ninguna relación.
Privacidad - Términos
¿Cómo se relacionan las preguntas de investigación con las hipótesis?

Una pregunta de investigación es una pregunta que el investigador reúne evidencia para intentar responder. Luego, la pregunta de investigación
se reformula en dos afirmaciones mutuamente excluyentes que pueden comprobarse empíricamente (es decir, hipótesis).
A continuación se muestran algunos ejemplos de cómo reformular sus preguntas de investigación en hipótesis nulas y alternativas para realizar
pruebas estadísticas.

Pregunta de investigación Hipótesis nula (Ho) Hipótesis alternativa (Ha)

¿Hombres y mujeres realizan igual en

tareas de reconocimiento facial? Hombres y mujeres realizan igual en tareas de Hombres y mujeres se desempeñan de manera
reconocimiento facial. diferente en tareas de reconocimiento facial.

¿Las personas que padecen trastorno Las personas que padecen trastorno de estrés Las personas que padecen trastorno de estrés
de estrés postraumático son más postraumático y la población general muestran postraumático muestran niveles de violencia
violentas que la población general? niveles similares de violencia. diferentes a los de la población general.

¿Cómo funcionan las pruebas estadísticas?

Hay cinco pasos principales a considerar al realizar pruebas estadísticas. Afortunadamente, el software estadístico realizará los pasos 2, 3 y 4.
Todo lo que necesita es concentrarse en asegurarse de que sus hipótesis sean comprobables y que sus datos se hayan recopilado y limpiado
correctamente.
Paso 1: Plantee las hipótesis nula (Ho) y alternativa (Ha)

Paso 2: Determinar el nivel de significancia, alfa (normalmente 0,05)

Paso 3: Calcular la estadística de prueba

Paso 4: Calcula el valor p

Paso 5: utilice el valor p para tomar una decisión y sacar conclusiones

El valor p es la probabilidad de observar un estadístico de prueba tan extremo como el observado, suponiendo que la hipótesis nula sea
verdadera. Este es el valor que se utiliza para tomar una decisión sobre si rechazar o no rechazar la hipótesis nula.

¿Cómo se utiliza el valor p para tomar una decisión?

La regla general es:

Rechazará la hipótesis nula (Ho) cuando el valor p < 0,05 (se encontró una diferencia/efecto/relación estadísticamente significativa )
No podrá rechazar la hipótesis nula cuando el valor p > 0,05 (no se encontró una diferencia/efecto/relación estadísticamente significativa)

¿Cómo saber qué prueba estadística utilizar?

Todas las pruebas estadísticas requieren que los datos cumplan ciertos requisitos (supuestos) para que la prueba se considere apropiada y los
resultados confiables.

Los métodos estadísticos paramétricos suelen tener requisitos más estrictos que sus homólogos no paramétricos. Sin embargo, generalmente
tienen más poder estadístico que las pruebas estadísticas no paramétricas equivalentes y pueden hacer inferencias más sólidas a partir de los
datos.

Métodos estadísticos paramétricos

Las pruebas estadísticas paramétricas generalmente se centran en la media y requieren que los datos cumplan las siguientes condiciones:

1. Los datos se distribuyen normalmente (curvos en forma de campana)

2. Los grupos que se comparan tienen varianzas iguales (homogeneidad de varianzas)
3. El resultado o variable dependiente se mide como una variable continua
Métodos estadísticos no paramétricos
Las pruebas estadísticas no paramétricas generalmente se consideran en los casos en que los datos no cumplen con los requisitos de las
pruebas estadísticas paramétricas. En términos generales, las pruebas estadísticas no paramétricas son más sólidas que las pruebas estadísticas
paramétricas equivalentes, son válidas para una gama más amplia de situaciones y pueden usarse para muestras pequeñas.
Aquí hay algunas consideraciones adicionales a tener en cuenta con respecto a las pruebas estadísticas no paramétricas:

1. Estas pruebas son apropiadas para usar cuando los datos son ordinales y no estrictamente numéricos.
2. Utilizan las medianas de los grupos o la distribución pero nunca la media.
3. Se pueden utilizar como alternativa cuando se trata de muestras pequeñas porque los tamaños de muestra pequeños hacen imposible
distinguir la normalidad de los datos (un supuesto paramétrico).

Entonces, ¿por qué no utilizar pruebas estadísticas no paramétricas?

Por un lado, las pruebas estadísticas no paramétricas son menos poderosas. Esto significa que necesitaría efectos/diferencias mayores en su
muestra para que su prueba los detecte. Además, los resultados de las pruebas no paramétricas pueden resultar más difíciles de interpretar.
La siguiente tabla muestra las alternativas no paramétricas a algunas pruebas estadísticas paramétricas comúnmente utilizadas.

Prueba estadística paramétrica Alternativa no paramétrica

Pruebas t de una muestra Pruebas de chi-cuadrado

Prueba t de muestras pareadas Prueba de rango con signo de Wilcoxon

Prueba t de muestras independientes Prueba U de Mann-Whitney

ANOVA Prueba de Kruskal-Wallis

Además de considerar los supuestos paramétricos para determinar una prueba estadística adecuada, es fundamental comprender los tipos de
datos. Identificar los métodos estadísticos apropiados a utilizar para probar sus hipótesis depende del tipo de datos con los que esté trabajando.
Los diferentes tipos de datos se analizan brevemente a continuación.

Tipos de datos
Las variables cuantitativas representan medidas numéricas y se dividen en dos tipos:

Discreta: variable cuantitativa que puede tomar sólo un número limitado de valores, por ejemplo, número de niños en una clase y número de
automóviles que posee.
Continuo: una variable que puede asumir un número infinito de valores, por ejemplo, peso y altura.

Las variables categóricas representan agrupaciones y también se dividen en dos tipos:

Datos nominales: las categorías tienen la misma importancia. Este tipo de conjunto de datos no se puede clasificar y el orden no es
importante. Las puntuaciones pueden representar nombres pero no diferencias en la cantidad, por ejemplo, color de ojos, marcas de ropa,
país de residencia y género.
Datos ordinales: se pueden clasificar en diferentes categorías. Las diferentes categorías tienen valor y no son igualmente importantes. Las
puntuaciones indican el orden de clasificación, por ejemplo, nivel de gestión: senior, junior y pasante.

Consulte los diagramas de flujo a continuación para determinar cuál de estas pruebas estadísticas utilizadas comúnmente será la más adecuada
para responder sus preguntas de investigación.

Análisis estadístico de asociaciones entre variables categóricas.

Utilice una prueba de chi-cuadrado si desea saber si dos variables categóricas están asociadas entre sí. Por ejemplo, podría utilizar una prueba
de asociación de chi-cuadrado para determinar si existe una asociación entre el hecho de que una persona fuma y la presencia de una
enfermedad cardíaca.

Análisis estadístico para evaluar relaciones.

¿Está intentando establecer si existe una relación entre variables y no está seguro de qué prueba estadística utilizar? Este diagrama de flujo le
ayudará a decidir entre los métodos estadísticos utilizados habitualmente al evaluar las relaciones.
Análisis estadístico para comparaciones de grupos.

¿Estás haciendo comparaciones grupales? Este diagrama de flujo le ayudará a decidir entre los métodos estadísticos utilizados habitualmente
para determinar si existen diferencias entre grupos.
Si está buscando ayuda para su tesis con su análisis estadístico y orientación sobre qué pruebas estadísticas son más apropiadas para abordar
sus preguntas de investigación, contáctenos para reservar su consulta gratuita de 30 minutos para descubrir cómo podemos ayudarlo.

Esta publicación de blog fue escrita por Kirstie Eastwood, estadística principal de Dissertation by Design.

Categoría: Investigación Cuantitativa Por Jessica Parker, doctora en educación 12 de noviembre de 2022

Etiquetas: Análisis estadístico Pruebas estadísticas

Compartir esta publicacion

Autor: Jessica Parker, EdD

ANTERIOR PRÓXIMO

Revisar al revés: cómo el esquema inverso puede funcionar para usted La guía para principiantes de estadística descriptiva

Artículos Relacionados
 Valores p y tamaños de Implicaciones versus Aprovechar la IA para el
efectos: el dúo dinámico de recomendaciones en la análisis estadístico en la
la investigación investigación investigación cuantitativa:
cuantitativa 29 de julio de 2023 ¿podemos confiar en ella
2 de agosto de 2023 ciegamente?
22 de julio de 2023

Cinco pasos para Dominar el arte de La guía para principiantes

interpretar los resultados cuantificar relaciones: guía de estadística descriptiva
estadísticos de su tesis: de para principiantes sobre 14 de diciembre de 2022

los números al correlación y regresión

conocimiento 22 de marzo de 2023

17 de julio de 2023

Términos y condiciones
CONTACTO
política de privacidad
Teléfono: (984) 221.8217
Política de integridad académica
Envíanos un correo electrónico
2024 Disertación por diseño
Nuestro compromiso con las prácticas éticas de IA
Con sede en Raleigh, Carolina del Norte.

UNIFIWEB
Preguntas frecuentes

  