‭ stadísticamente significativo es como una etiqueta de “garantía de calidad” e implica comparar 2 hipótesis (nula y‬

E
‭alternativa).‬
‭El proceso de aceptar o rechazar la hipótesis tiene adherido un riesgo que se cuantifica como p-valor, el cual se‬
‭considera que es 0,05.‬
‭Cuando aceptamos la H‬‭1‬ ‭es porque afirmamos que hay‬‭algún tipo de relación y, por tanto, es muy poco‬
‭probable que está asociación sea a causa del azar.‬

‭La significación estadística depende de 2 componentes fundamentales:‬

‭1.‬ ‭La magnitud de la diferencia a testar (cuánto más grande sea la diferencia entre 2 variables más fácil será‬
‭de demostrar que la diferencia es significativa, en cambio si la diferencia entre variables es más pequeña‬
‭será muy difícil encontrar diferencias).‬
‭2.‬ ‭El tamaño muestral (cómo mayor sea este más fácil será de detectar diferencias)‬
‭→ Pequeñas diferencias se pueden detectar con grandes tamaño muestral.‬
‭→ Grandes diferencias necesitan menos pacientes estudiados‬

‭ s por esto que cuando tratamos el p-valor hay que ir con cuidado, una pequeña diferencia puede ser‬
E
‭estadísticamente significativa si el tamaño muestral es lo suficientemente grande y, por el contrario, una diferencia‬
‭relativamente grande puede no alcanzar una significación estadística si está variabilidad grande es a causa de un‬
‭tamaño muestral pequeño.‬
‭*Por esto los p-valor deben considerarse como una guía y no como la base de conclusiones definitivas.‬

‭Es estadísticamente significativo cuando:‬

‭-‬ ‭Rechazamos la nula y aceptamos la alternativa‬
‭-‬ ‭p es menor a 0.05 (se sitúa dento de la zona crítica)‬
‭-‬ ‭Hay evidencias para dudar de la nula y los resultados obtenidos no son compatibles con esta.‬
‭-‬ ‭Es muy poco probable que el resultado observado sea debido al azar‬
‭-‬ ‭Las muestras vienen de poblaciones diferentes entre ellas‬

‭-‬ ‭Error de tipo I‬‭(α)‬

‭ n error de tipo I es un‬‭falso positivo‬‭(tu piensas‬‭que la alternativa es verdad cuando en realidad no, estás‬
U
‭rechazando la nula cuando es esta la verdadera)‬
‭Este error se basa en la probabilidad de rechazar la H‬‭0‬ ‭cuando esta es verdadera, esta probabilidad‬‭de error es de‬
‭0,05 y se le denomina‬‭p / error alfa‬‭.‬
‭El nivel de significación es el riesgo que el investigador asume al rechazar la H‬‭0‬
‭Si p < 0,05 es significativo → Rechaza la nula‬
‭Si p > 0,05 es no significativo → Acepto la nula‬

‭ na p pequeña significa que la probabilidad de que los resultados se deban al azar es pequeña (es por eso que‬
U
‭como más pequeña sea p más se rechaza la nula, ya que determina que los resultados se producen por una‬
‭relación entre ellos)‬
‭Recuerda “cuando en una muestra de un estudio de IC 95% los 2 grupos NO se solapan es porque tiene diferencias‬
‭significativas (p < 0,05). Si los intervalos de confianza se solapan hay poca probabilidad de que vuelvan pasar a‬
‭causa del azar”‬

‭-‬ ‭Error de tipo II (β)‬

‭ ste error consiste en aceptar la H‬‭0‬ ‭cuando en realidad‬‭es falsa, por tanto es un‬‭falso negativo‬‭(piensas‬‭que la‬
E
‭alternativa es falsa ya que crees que las variables no están relacionadas entre sí, pero en realidad es si que lo‬
‭están).‬
‭Para evitar el error de tipo I se puede elegir un nivel de confianza más elevado (ampliar el IC), pero al hacer‬
‭esto aumenta la probabilidad de cometer un error de tipo II.‬

‭Disminuir el error de tipo I‬ ‭Disminuir el error de tipo II‬

-‭ Usar valores alfa más reducidos (ampliar IC)‬ -‭ Aumentar el valor de alfa (disminuir IC)‬
‭- Reproducir el estudio‬ ‭- Aumentar tamaño muestral‬