Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Introduccion A La Estadistica Inferencial M Aguayo

    Cargado por

    Jhoan Torres
    14 vistas14 páginas
    coman mierda HP

    Título original

    Introduccion a la estadistica inferencial M Aguayo

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    coman mierda HP

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    14 vistas14 páginas

    Introduccion A La Estadistica Inferencial M Aguayo

    Cargado por

    Jhoan Torres
    coman mierda HP

    Copyright:

    © All Rights Reserved
    Descargue como PDF o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 14
    TEMA 5 INTRODUCCION A LA ESTADISTICA INFERENCIAL: Estimacion de pardmetros e intervalos de confianza. PRUEBAS DE SIGNIFICACION Y CONTRASTE DE HIPOTESIS. GUION Probabilidad y estadistica: introduccién a la estadistica inferencial Distribucién muestral de un estadistico. Predicciones e intervalos de prediccién, Estimacion de un parémetro a partir de una muestra aleatoria. Intervalos de confianza Pruebas de significacion € hipotesis. |Comprobacion de hipétesis mediante intervalos de confianza, INTRODUCCION: PROBABILIDAD Y ESTADISTICA Para ua experimente alatorio (ntrinsecamcate variable) perfoslamente conocido, la Teoria de la Probabilidad penile establever Ia LEY que MODELIZA sus posibles resullades, por lo que cualquier investigador podsia con este insiramento matemético- preveer resullados experimental. En inva dea Suu esfocuente que absjemosicon UNA MUESTRA de lapoblacfa, esto es, una parte de lla, sobre le que babitualmente realizar msedciones;posteriormenteintntaremos generalizar los resultados ‘obtenidos sobre la poblacibn, lo que se lama INDUCCION, sirviéndonos de una parte de la estadistica que se ‘conoce como ESTADISTICA INFERENCIAL Por tanto, In estas nferencal ese insirumento que empleamos para intentar oblener conclusiones vilidas ‘pati de os dates observados en a muestra, Sin embargo, strabaje slo con una de las infiitas muestras de tamafio in qie se pockianextrer de lapoblacion objeto de estudio, y puede ocurrir que la variable de interés presente un valoe diferente al parimetro poblacional que estima, simplemente por azar Siesta muestra que hemos estudiado.es una de J infnitas muestras ALEATORIAS (obtenidas por azar), es posible recumira leyes probabilisticas para conocer Ia varisbifidad en las mediciones que pueden achacarse al azar (en este caso el muestreo), v cuatificar esas diferencias ‘omérgenes de error en Ia estimacin Hevada a cabo con ese estadistico muestra (Ver figura { del Tema 1) DISTRIBUCION MUESTRAL Y TEORIA DE LA PREDICCION 1, DISTRIBUCION MUESTRAL Para establecer Ia ley que modclize los posibles resultados de un est introducida por el azar (0 el muestreo alestorio, para ser més exactos), es nocesario introdk DISTRIBUCION MUESTRAL DE ESE ESTADISTICO. oncepto do La distribucién mucsteal de un estadistico es la distribucidn de frecuencies de los valores obtenides «l aplicar el estadistico a todas las posibles muestras (infinitas) de tamaiio m extraidas aleatoriamente de la poblacién ‘objeto de estudio. Como se trata de muestras aleatorias, parece razonable pensar que Jos valores que van a obtenerse para el estadistico en cada muestra serin mis frecuentemente préximos o cereanos al verdadero valor del parimetro (Curso de Estadistica Aplicada a Ciencias de la Salud. Unidad de Investigacién. Hospital Juan Ramén Jiménez. S. jeu poblacional que estiman, v mucho mas raremente lejanos o muy diferentes 2 el La causa principal de variablidad de la distioucion muestra es el llamadly ERROR ALEATORIO del ‘nuestreo y depende inversamente del tamano n de la muestra (esto es, para muestras de tamao mayor, mewcr es el 30), la firmula pera calcula el intervalo de confianza os siendo sla veriancia de la muestra, Enel caso de muestas poquedtes(n< 30) debe iniroducirse una correceién, sustituvends el valor 2, dado por la Ley Normal por el valor, dado por la Ley de Student-Fisher, que depende del mero de grads de libertad gl dele varianca s*Genominador de la varancia)y que es tanto mayor que 7» cuanto menor ese tumafio de la muestra. Para 30 casos y €=0.05 (w2=0.025), esta qUe tyes ¥ 7s 0 se cierencian en ‘85 milésimas, ya partir de este valor se asme He igus Sigal 07.3, 2.C. Intervalo de confianza de una variancia o*. EL cdleulo de los limites del IC de una variancia 6? a partir de una estimacién ¢ observada en una muestra Curso de Fstadistica Aplicada a Ciencias de la Salud. Unidad de Investigacion. Hospital Juan Ramon Jiménez. S.A.S. aleatoria de n casos proveniente de una poblacién distribuida para esa variable segtin una Ley Normal vienen daddos por ax limite inferior C limite superior IC Lao Bae donde af es la probubilidad de que el intervalo no contenga la variancia poblacional, gl son los grados de libertad dela variancia s*(y equivale an-1)y 1” es la Ley Chi-cuadrado. Debe tenerse muy cn cuenta que este intevalo asi caleulado es muy sensible a la vulneracién del supuesto de normalidad PRUEBAS DE SIGNIFICACION Y CONTRASTE DE HIPOTESIS Ademés de los intervalos de confianza, Ia otra herramienta fundamental de Is inferencia estadistica son los lamados testo contrastes de hipstesis, que uulizan una estrategia diferente, Tanto las prucbas de significacion como | pruchas de hipotesis propiamente dichas, itentan comprobar que determinadashipstesis establecidas a prion acerca de un parametro en la poblacion son coherentes con los resultados obtenidos en el estudio de la muestra Los pasos a dar en el proceso del contraste de hipétesis son: 1. Establecer una bipdtesis clentiien, En investigacién, el establecimiento de preguntas concretas que responder con la observaciin 0 la cxperimentaciin suele hacerse en forma de HIPOTESIS. Estas son supuestot coniestbles,antcipaciones de resultados, uicios a prior; se fundamentan en estudios anteriormente publicados o en la experiencia clinica previa y pueden presentarse en téminos muy generales.o en un lengua cientifie: “La deteccien preci del cancer de prostat aumentar’ la proporcién de hombres afectos de Ca. prostético que sobreviven mas de cinco afcs" “La administracion de inhibidores de la protessa a individves con lesiones precancerosas en la eavikiad oral frenaré la progresién de cétulas precancerosas a malignas” 2, Formular una hipétesis estadistiea, Las HIPOTESIS ESTADISTICAS son una afirmaciin “matcmiética” sobre uno © més pardmnetros poblacicnales y se anaizan yusiaponiendo dos enunciados contradiciories, que se denominan HIPOTESIS NULA Y ALTERNATIVA, * LAHIPOTESIS NULA (Hf) asume la no diferencia entre dos pardmetios (diferencia igual cero) 0 que tun determinado pariunetro es igual a un valor eonereio. Estas la hipotexs fundamental, puesto que esa que e!investigador establece como ciertay se pone aprucba * LAHIPOTESIS ALTERNATIVA (Hl, contratice la hipdtesis nula,y asevera gue el velor del parimetro cs diferente de, mayor que o menor que cl valor expecificado en la hipdtesis aula, Esta es una hipstesiscomplementara(alterativa) aa hipstesis nula, que aunque no es directamente sometida 4 prueba en el contraste, conviene plantearle, ya que seré la més verosiml cunndo la prueba estadisticn nos ‘conduzea a recharar Ia hipotesis mula 3. Especificar la regla de deciskin para evaluar Ia hipstesis nula, El contraste de hipsters se establece en Ia decision de rechazar o no la hipétesis nula tras analizar los datos de las observaciones muestrales: cuando estos son incompatibles con la hipétesis nula, se concluye con su rechazo. Curso de Estadistica Aplicada a Ciencias de la Salud. Unidad de Investigacion. Hospital Juan Ramon Jiménez. S.A procedimiento para testa la hipoiesis nala pass por A) El cileulo de un test estadistico, ‘que"extrae" la informacion de los datos observados. Este test estadistico debe resumir todas las observaciones y debe {ener en cuenta Ios ertores que se cometen por el propio hecho de haber tabajado con una de las infinitas muestras (aleatorias) posibles, dicho de otra forma, puede asumir diferentes valores, dependiendlo de la mueséra seleecionada, 1 9¢ ve afectado por el errr estindar. Su formula general es: Estadistico muestral -Parametro hipotético Enor stindar del estadistico mucstral Test estadistico La distribucién del test estadistico (esto s, todos os posibles valores junto a sus respectivas probabilidades © ficcucncias relatvas, similar al concepto de distribucién muestral) es posteriomente empleada para evaluar y decidir sobre la vorosimilitud de los datos supuesto que fuera cicra la hipdtesis nul, planteando la siguiente pregunta hasta qué punto son “compatibles verosimiles” los hallazgos obtenidos de forma empiriea con la hipétesis ‘formulada? 0 dicho de otro modo. chasta que punto las discrepancias entre los valores de la hipétesis mula y los observados en la muestra son “razonablemente” explicados por la variacién en ef muestreo (el azar, si el muestreo es aleatorio)? Lasdos preguntas anteriores plantean indirectamente un calculo de probabilidad, como veremos mas adelante, que va-a permitir al investigedor decidir sobre la hipotesis nula. con dos posibilidades: aceptarla o rechazarla Evidentemente esta devision tiene unas reservas, no es inflible, leva aparejado un riesgo de tomar una devisin incorrect B) Elestablecimiento de un nivel de significacion (ALFA): Por Io anterior, es necesario establecer a priori un nivel de riesgo, que el investigador est dispuesto a aceptar al tomar le decision sobre la Hy que seria la probabilidad de rechazar la Fi, sicado correcta: Pr (Rechacar H, Hes verdadera)~ ¢ (NIVEL DE SIGNIFICACION) Esta probabilidad condivional de rechazar una hipStesis nula siendo correcta se lama nivel de significacién (alfa) FRROR TIPO 1), y logicamente debe ser un nimero pequeto, cai siempre 0.05 6 0.01, Resulta obvio que la depen por parte de investigador de un nivel de sigificacion alfa mais pequefto (por ejemplo 0.001) implica desde Jnsgo menos “riesgo”, sin embargo, como en tantas otras cosas de la vide, nunca se obtiene nads sin dar algo # eambio, por lo que adeplar esta postura més conservadora tiene un previo, como veremass mis adelante 4. Evaluar Ia verosimilitud de la hipStesis mula en base a os datos empiricos. 4.L PRUEBAS DE SIGNIFICACION: ‘Una forma de contestar& la pregunta que hemos enunciado en pérrafus anteriores de esta misma pégina es mediante una PRUEBA DE SIGNIFICACION: la ausencia de discrepancias “significativas” comporta una aceptacién provisional de la hipétesis nula, que se mantendré en tanto en cuanto no apareccan evidencias empiricas en su contra. * Si existe una gran diserepancia entre los datos observados (empiricos) y la hipétesis planteada, la probabilidad de que estas dscrepancias u otras ain mayores sean debidas exclusivamente al azar son muy pequeiias. Dicho de otra manera s la ipétests planteada fuera verdad, sélo en casos verdaderamente raros. 0 es se obtendrian muestras que arrojaran datos tan discrepantes; en este caso la H, es muy poco creible 0 verosimil,y se rechaza. Curso de Estadistica Aplicada a Ciencias de la Salud. Unidead de Investigacion. Hospital Juan Ramon Jiménez. SA.S. 1 el grado de significactin seri cereano a cero, © Sino hay grandes discrepanciss o apenas hay diferencias entre os datos empiricos y Ia hipétesis, no seria exeepcional encontrar muestras con diserepancias de estes magnitudes caando la hipStesisnala fara cierta,y diriamos que los dates empiricos realmente no contradicen la hipotesis planteoda, que resulta, por tanto, Verosimil en este caso la deesiin adecuada es mantener lahipstesis rula, aceplarla (0 no rechazarla). 16 el grado de significacién ser cercano ala unidad. El grado o nivel de significaciin respecto a la hip6tesis nula es, pues, la probabilidad de que el azar ‘ariabilidad det muestreo) hubiera producido unos resultados al menos tan discrepantes como los que han arrojado nuestros datos empiricos. Su cdlculo da argumentos para tomar la decision de rechazar 0 mantener la hhipsess mula tal como fue formulada, pero debemos recordar que la veracidad o falvedad de esta hipatesis niosea ‘podra ser establecida con absoluta certeza, ya que para ello seria necesario analizar toda la poblacién, y no sélo ‘una muestra [Los pasos para construir una prucha de significacton son: 1. Estableozr la hipotesis mula Hy 2. Resumir os datos (observa en la muestra sleatria con la que se trabaja) en un test estadistico adecuado. 3. Establecer la cistribucion muestra del test estaistco suponiendo que H, es cierta. 4. Evaluar la veosimilizad de obtener ls datos quchemos observado si Hy fuera cierta. De forma prictica seria caleular| la probebilidad (p) de encontrar muestrasaleatorias con datos tan diserepantes eon los que propeme le hipdtosis mula como los que hemos cbservado: a ese valor le Hamames grado o nivel de significecién. 8. Tomar una decision a partir del valor p hallado, Por convenio se considera que valores de ps 0,05 son! “significativos’, eto es, suficientemente pequefios para considerar poco creible le hipstesis nla & partir de lo lobservado, v por tanto, tomar la decisién de rechararla, (Qjo!: unreaultado NO-signifestivo slo indica que los datos empirices cbtenidos en la muestra analizada son ‘compatibis conf hipétesis nua, ya que las discrepancias observadas pueden ser explicadas por el error alestorio del muesreo, Los resultados son “probabilsticamente compatibles” y no permiten sponer que Ia Fino ea cierta; dicho de ota forma, los dates no han aportado pruebas suficientes para dudar de la Validez de la hipotesis mula, por lo que es una absoluci6n por “falta de pruebas”, si se quiere. Por tant, no demuestran que H, sea cierta Los téminos que pueden emplearse de forma indistinta san los siguientes: La variacion del ‘Valor dela muestra no | muestreo constituye Estadisticamente | Rechazarla hipétesis | compatible con el valor | una explicacion significative ula de la hipétesis nula improbable de la diserepancia existente ‘entre los valores de la Hy y dela muestra La variacion del muestreo Elvalor de la muestra es constituye una Esadisticamente no- | Norechavarla hipotesis | compatiblecanel valor | explicaciin probable de significative nul dele hipotesisnula | Ta discrepancia existente centre os valores de la Hy yoela muestra Curso de Estadistica Aplicada a Ciencias de la Salud. Unidad de Investigacion. Hospital Juan Ramén Jiménez. S.A.S. ju 4.2. PRUEBAS DE HIPOTESIS: ‘Una generalizacion de las prucbas de significacion se fundamenta en la delimitacion de dos zomas en ta distribucion muestral del tet estadistivo calculado, para responder al mistao problema de rechavat © mantener la hipotesis mula segtin los resultados cbwenidos en el andlisis de la muestra * REGION CRITICA, de significacitn 0 de rechaco de H,. cualquier valor de estadistico caloulado en la smuesira que caiga en dicha region resultaria“significativo” y conduciria al rechazo de la hipsiesis nul * REGION de NO-significaciin © de NO-rechazo de H,; cualquier valor de estadistico caleulado en la muestra que caiga en dicha region resultaria “no-signifieativo” y conduciria al no-rechazo de le hipstesis mula (se mantendria), [Los pasos para construir una prucha de hipstesis som: 1. Establocer fa disribucion muestral del estadistico suponiendo que la hipotesis nula sea cierta. 2. Elegir el valor alfa del nivel de significaciéa y establecer la region critica Si se utiliza una aproximecién normal y se lige un riesgo « ~ 0,05 se considerarin significativos toxos| aquellos valores observados que caigan en la region critica, esto es, que les corresponda un valor z igual o superior al dado por la Ley Normal para dicho riesgo: (05 -#ld 2 1.645 (prucba unilateral) @/2= 0.05 4 ld> 1.96 (pructa bilateral) 3. Tomar la decision de no rechazar la hipstesis nula (si el valor observado cue fuera de la regién critica) o aceptar la ipotesisalternativa (si el valor cbservaco cae dentro de laregién critica 0 de rechaz0) De forma similar a lo que se he presentado al final del apartado anterior sobre “pruebas de significacién”, Ia ‘correspondencia de los resultados en las prucbas de hipotesis seria: Elvalor ‘calculado deltest | Estadisticamente | Rechazarla | Valordela muestra no ‘estadistico | significative | hipdtesis nula | compatible con el valor de ccacen la a hipétesis mula region critica El valor caleulado deltcst | Estadisicamente | No rechazarla cstadistioo | no-signifcativo | hipetesis mula cacen le rogibn de no recharo similares ales Elvelor dela mucstracs | observados podrian ‘compatible con el valor de | ocurrir con relativa Tabipstesis mala ffecucrciasila Hifi cert In Esta aproximacion a las prucbas de hipotesis nes sirve para comprender mejor la Hamadas PRUEBAS UNILATERALES Y BILATERALES, 0 de una ¢ doscolas. Una prueba es unio bilateral segun como es¢ planteada Ja hipotesis nula y especialmente la ipotesis allemativa: si és incluye resultades. “mayores y menores que” 0 “diferentes a” estar planteando un contraste bilateral, en el que habré dos zonas crticas, una a cada lado de la zona central de no-rechaze, por el contrario, sila H incluye resultados exclusivamente “menores que” 6 “mayores que’ «star planteando una prucba unilateral, con una sola region critica (por encima -o a la dereeha-, © por debajo -0 ala ‘aquietda) de lala zona de no-rechazo, Esto queda ilustrado en l siguiente dibujo: (Curso de Estadistica Aplicada a Ciencias de la Salud. Unidad de Investigacion. Hospital Juan Ramén Jiménez. S.A.S In REGION i REGION - i, Resin! catia ma ae “cartica wna de cRiTica mw-aignipcasien pre Significacion De cualquier manera: 4) Le decisién de aplicar una prucba uni o bilateral debe ser tomada antes de disponer de los datos, cuando «estamos planificando la investigacién, lo que requiere un conocimiento profundo dela variable analizada >) Mientras més metddico y elaborado esté un estudio, mayer es el nimero de hipotesis unilaterales que el investigador podré formula. «) Una prueba unilateral se plantea silo cuando “Ia diferencia en el otro sentido” carece de interés para estudio, 4) Cuando uns prucba bilateral concluya de forms “significativa sigaificativa Is procba unilateral seria atin “mas 5. Otras consideraciones en el contraste de hipétesis. 5.1. ERRORES COMETIDOS EN LAS PRUEBAS DE SIGNIFICACION E HIPOTESIS. ‘Na hora de tomar una dovisin final sobre el contrasteHevado a cabo (rechavar © no rechazar Ia hipotesis ‘ula, investigndor puede encontrarse en cuatro situaciones posibles, al combiner su decision con la “verdad” sobre H,, como queda rellejado en la siguiente tabla: DECISION ADOPTADAEN | H, ES REALMENTE VERDAD | H, ES REALMENTE FALSA LAPRUEBA [No se rechaca la hipstess mula H, Decision coresta Se cometc un ERROR TIPO TI Dy (Nivel de sonfianza™ | - a) Rieogo: P Dy AL) = B Serechaza lahipétesismule H, | Se comete un ERROR TIPO I D, Riesgo:P (D, iy Se define como ERROR DE PRIMERA ESPECIE (tipo I) al que se comete cuando al encontrar un valor dl estadistico en la muestra analizada que eae dentro dela regién critica se rechaza la hipétesis nula siendo realmente cierta. La probabilidad (condicionada) de cometer ese eror ya lo hemos visto antes; se Ilama ALFA (o NIVEL DE. SIGNIFICACION), y es normalmente un valor pequetio, que representa el riesgo asumido por el investigador de rechazar una hipétesis nla (hablar de significaciin estadistica) cuando realmente es cierta (no ls hay. Sise hace un simil entre una prucha de hipstexis y una prueba diogndttica, el riesgo alfa corresponderia ala probabilidad de obtener un resultado falso positive. EI riesgo alfa es precisamente lo que mide la p o grado de significacion estaistica de la prucba El valor ‘complementario de alfa (1-4) ese llamado NIVEL DE CONFIANZA de la prucha, Se define como ERROR DE SEGUNDA ESPECIE (tipo II) al que se comete cuando la hipotesis mala no Curso de Estadistica Aplicada a Ciencias de la Salud. Unidad de Investigacion. Hospital Juan Ramén Jimenez. S.A.S. es cierta (la que es verdad es la hipétesisalterativa) pero el valor cbienido en la muestra cae en la 2ona de no- significaciony se adopta una decision de no-rechazo de la H, La probabilidad (condicionada) de cameter este error se Mama BETTA. [a magni de este riesgo beta suele ser deseonocita para el investgador, puesto que desconoce, por Jo genera, el valor del test estadisticn cuando H, fuera verdadera, ‘Sise hace un simil entre una prueba de hipétesis y una prueba diagndstica, el riesgo beta corresponderia ‘ala probabilidad de obtener un resultado falso negativo, El valor complementario de beta (1-B) es el conocido como POTENCIA DE LA PRUEBA. que expresa exactamente la probabilidad (condicionada) de rechazar correctamente la hipotesis nula, Dicho de otra forma, la ppotencia de un contraste de hipOtesis es la capacidad que tiene Ia prueba para deteciar discrepancias (diferencias) cuando realmente existen; este concepto es similar al de SENSIBILIDAD empleado en la evaluacin de prucbas diagndsticas, ya que se dice que un testes sensible cuando es seguro para detectar enfermedad, A: DispaiaveioN BEL estavisrico 8: DistRiBycie! DEL ESTA- DELONTRASTE Si He ES CERTA DiSTi¢o Si Hy €$ CIERTA 4 B Pagulbado ehiervade Entre los errores tipo I y Il existe una intima relacin: para in mismo tamaiio de la muestra, cuando disminaye e eer alfa (deseamos disminnir la probabilidad de equivacarnos al rechazar Ia hipotesis nul), aumenta el ‘error beta (incrementantos la posibilidad de aceptar la hipotesis nula siendo realmente falsa), Por tanto, con una misma muestra puede aceptarse 0 rechazarse la hipétesis nula, ya que todo depende ‘del error considerado: cunnio mis pequeto decidamos sea el riesgo alfa mis dificil sera rechazarla, pero mas probable seri su axeplacion siendo realmente fas, El error alfa més pequefio que se est dispuesio a aceptar a priori es el nivel 4e signiicacion (p), habituaimente prefijado en el 5% (ps: 0.03). Porcira parte el riesgo beta mantiene una estrecha relacién con el tamafion de Ia muestra, Aun fijando ‘ws misno riesgo alfa, el riesgo besa disminuiria al aumcatar el tammafio de la muestra, ya que se reduce el error aleatrio yy con ella amplitud del intervalo de probabilide. En esume, existe una interdependencia entre: Grado de significacin (p) Poder estadistico (I-B) [Namero de individuos estudiados (a) Magnitud de a diferencia observada sxe manera que conocidos tres de ellos puede caleularse elcuarto. Anis de iniciar un estudio so celeula el mero ‘deauets que deben etudirse para detetar una dterminaca diferencia fijando a provi el nivel de signficacion y el riesgo de cometer un err tipo II que se est dispuesto a asi 5.2. CONCLUSIONES DE UN CONTRASTE DE HIPOTESIS. [Anteriormente ya se hs comentado que la conclusion de in contrast de hipdtesis se hace en términas de Curso de Estadistica Aplicada a Ciencias de la Salud. Unidad de Investigacion. Hospital Juan Ramon Jiménez reachiz0 0 ro-techazo de a hipstess mula, 0 en sus términos equivalentes de valor “significetivo” o “no significativo”s teconfemos que un valor no significative shlo indica que ol resultado observado es compatible con a hipstesis nua, de manzra que las discrepancies observadas pueden ser razonsblemente explicadas por el error aleatorio del muessrvo, Por tanto, UN RESULTADO NO.SIGNIFICATIVO NO DEMUESTRA LA HIPOTESIS NULA, sino que indican que los datos no aportan suffeientes pruchas para dudar de su valide, de manera que sera equivalents 4 decir que no se ha demostrado o que no es conciuyerte, de manera qne se mantendra dicha hipétesis hasta que se ‘obvengan otras pruchas, ‘Una segunda consideraccn es la sguiente: UN RESULTADO ESTADISTICAMENTE SIGNIFICATIVO NO IMPLICA NECESARIAMENTE QUE SEA CLINICAMENTE IMPORTANTE, ya que el valor de p m0. ‘mide a fuerza de la asociacién, Decir que se ha obtenido un valor “estadistcamente miy Sgnificaiva” traduee que | hipotesis nula es muy pooo verusimil, pero nada tiene que Ver eon la trascendencia clinica a biolégiea de lo ‘encontrado, Une tereera reflexién tiene que ver com la potencia de la prucba o poder estadisticn de la misma, ya que obtener resultados estadisticamente significatives puede ser s6lo cuestion de tiempo y dinero. En base a la ‘esrecha relacin cxstente enti beta y el nimero n de sujctes estudiados, si se rabaja eon una muestra muy grande es posible que diferencias muy pequefias (a veces inrclevantes desde el punto de vista clinica) se uaduzcan en

    También podría gustarte