TEMA 10: ESTIMACIÓN Y/O SIGNIFICACIÓN DE LA ESTADÍSTICA

Debemos conocer el concepto de Significación estadística (p): probabilidad de que la relación que hemos observado sea producto de la casualidad. Probabilidad que existe de que nos confundamos al ofrecer un resultado desde el punto de vista estadístico.

Conocer el valor de p nos permite: contrastar hipótesis, partiendo de la hipótesis nula frente a la alternativa...

 

El CONTRASTE DE HIPÓTESIS nos permite decidir: 

• Si los resultados son frutos de la casualidad (relación causa-efecto).
• Si los resultados son frutos de la casualidad (azar).

En primer lugar debemos formar una Hipótesis nula (H0): no existen diferencias significativas entre los resultados obtenidos en la práctica y resultados teóricos. H0: μA = μB 

Para formarla, partimos de la hipótesis de investigación o alternativa (H1 o Ha): afirma que la media de la población es un valor diferente al hipotético. H1: μA ≠ μB 

• Si p < 0.05 = afirmamos que el resultado del estudio se cumple (95% de los casos). Las diferencias son estadísticamente significativas. Se rechaza la Hipótesis nula. Se acepta Hipótesis alternativa.
• Si p > 0.05 =  el estudio no se cumple. No existen diferencias estadísticamente significativas. Se acepta la Hipótesis nula.

HIPÓTESIS NO DIRECCIONALES O BILATERALES: 

Indican que el parámetro de la población es diferente al hipotéticamente establecido. Se establece una curva donde quedan reflejados los valores de α en ambas colas de dicha curva. Si el valor de p es 0.05, en cada cola α = 0.025. 

• Cuando H0: μ = μ0 ó H0: p = p0

• H1: μ≠ μ0 ó H1: p≠ p0

Para formar la H0, también necesitamos elegir el estadístico de contraste más apropiado. Es una medida estandarizada de la discrepancia que hay entre la H0 y el resultado de la diferencia de medidas obtenido de la muestra. Para elegirlo debemos tener en cuenta:

1. Escala de medida y tipo de variable: medir las variables con una escala precisa.
2. Independencia o dependencia de las medidas: siendo éstas independientes cuando la puntuación de un sujeto no condiciona la de otro; y dependientes cuando las mediciones se toman en los mismos participantes en diferentes momentos de tiempo y condiciones.
3. Distribución de la variable dependiente: en ciencias de la salud, generalmente las variables tiene una distribución según la curva normal o de Gauss. Deben cumplir unos supuestos para poder aplicar los contrastes paramétricos. Supuestos: 

• Normalidad y homogeneidad en la distribución de las varianzas.
• Uso de escala de medida de razón o de intervalo.
• Si no se cumplen estos supuestos → usar contrastes no paramétricos.

Cuando aceptamos o rechazamos una H0, podemos habernos equivocado. Los errores que podemos cometer son: 

• Error Tipo I / α: decir que existen diferencias estadísticamente significativas (en la muestra poblacional que hemos elegido) cuando realmente no existirían (si hubiéramos tomado muchas mas).
• Error Tipo II / β: no existen diferencias cuando realmente sí habría.

¡¡En la próxima entrada os dejaré un esquema de los pasos a seguir para un contraste de hipótesis!! 😉