Significancia estadística

Abadía de Senanque en Provenza con campos de lavanda

¿Qué es la significación estadística?

La significación estadística se refiere a la afirmación de que un resultado de los datos generados por las pruebas o la experimentación no es probable que ocurra al azar o por casualidad, sino que es probable que sea atribuible a una causa específica. tener significación estadística es importante para las disciplinas académicas o profesionales que dependen en gran medida del análisis de datos e investigación, como economía, finanzas, inversión, medicina, física y biología.

La significación estadística puede considerarse fuerte o débil. Cuando se analiza un conjunto de datos y se realizan las pruebas necesarias para discernir si una o más variables tienen un efecto en un resultado, una fuerte significación estadística ayuda a respaldar el hecho de que los resultados son reales y no causados ​​por la suerte o el azar. En pocas palabras, si una estadística tiene un alto significado, entonces se considera más confiable.

Los problemas surgen en las pruebas de significación estadística porque los investigadores generalmente trabajan con muestras de poblaciones más grandes y no con las poblaciones mismas. Como resultado, las muestras deben ser representativas de la población, por lo que los datos contenidos en la muestra no deben estar sesgados de ninguna manera. En la mayoría de las ciencias, incluida la economía, la significación estadística es relevante si se puede hacer un reclamo a un nivel del 95% (o, a veces, del 99%).

Comprender la significación estadística

El cálculo de la significación estadística (prueba de significación) está sujeto a un cierto grado de error. El investigador debe definir de antemano la probabilidad de un error de muestreo, que existe en cualquier prueba que no incluya a toda la población.

El tamaño de la muestra es un componente importante de significación estadística, ya que las muestras más grandes son menos propensas a los trematodos. solo se deben usar muestras aleatorias y representativas en las pruebas de significación. El nivel en el que uno puede aceptar si un evento es estadísticamente significativo se conoce como el nivel de significancia.

los investigadores usan una estadística de prueba conocida como el valor p para discernir si el evento cae por debajo del nivel de significancia; si lo hace, el resultado es estadísticamente significativo. El valor p es una función de las medias y las desviaciones estándar de las muestras de datos.

el valor p indica la probabilidad bajo la cual ocurrió un resultado estadístico por casualidad o por error de muestreo. en otras palabras, el valor p indica el riesgo de que no haya una diferencia o relación real. el valor p debe estar por debajo del nivel de significancia para que los resultados al menos se consideren estadísticamente significativos.

Lo opuesto al nivel de significancia, calculado como 1 menos el nivel de significancia, es el nivel de confianza. indica el grado de confianza de que el resultado estadístico no se produjo por casualidad o por error de muestreo. El nivel de confianza habitual en muchas pruebas estadísticas es del 95 por ciento, lo que lleva a un nivel de significación habitual o valor p del 5 por ciento.

conclusiones clave

  • La significación estadística se refiere a la afirmación de que un resultado de los datos generados por las pruebas o la experimentación probablemente sea atribuible a una causa específica.
  • Si una estadística tiene una gran importancia, se considera más confiable.
  • El cálculo de la significación estadística está sujeto a un cierto grado de error. 
  • La significación estadística puede malinterpretarse cuando los investigadores no usan el lenguaje con cuidado al informar sus resultados. 
  • Se utilizan varios tipos de pruebas de significación según la investigación que se realice

Consideraciones Especiales

La significación estadística no siempre indica significación práctica, lo que significa que los resultados no pueden aplicarse a situaciones comerciales del mundo real. Además, la significación estadística puede malinterpretarse cuando los investigadores no utilizan el lenguaje con cuidado al informar sus resultados. porque un resultado es estadísticamente significativo no implica que es no  aleatoria, sólo que la probabilidad de que sea aleatorio se reduce considerablemente.

el hecho de que dos series de datos tengan una fuerte correlación entre sí no implica causalidad. Por ejemplo, el número de películas en las que el actor Nicolas Cage protagoniza en un año determinado está muy relacionado con el número de ahogamientos accidentales en piscinas. pero esta correlación es espuria ya que no existe un reclamo causal teórico que pueda hacerse.

Otro problema que puede surgir con importancia estadística es que los datos pasados, y los resultados de esos datos, sean estadísticamente significativos o no, pueden no reflejar condiciones actuales o futuras. Al invertir, esto puede manifestarse en un modelo de precios que se desmorona en tiempos de crisis financiera a medida que cambian las correlaciones y las variables no interactúan como de costumbre. La importancia estadística también puede ayudar a un inversor a discernir si un modelo de fijación de precios de activos es mejor que otro.

tipos de pruebas de significación estadística

Se utilizan varios tipos de pruebas de significación según la investigación que se realice. por ejemplo, las pruebas pueden emplearse para una, dos o más muestras de datos de varios tamaños para promedios, variaciones, proporciones, datos emparejados o no emparejados, o diferentes distribuciones de datos.

la hipótesis nula

Todos estos factores tienen lo que se llama hipótesis nulas, y la importancia a menudo es el objetivo de la prueba de hipótesis en estadística. La hipótesis nula más común es que la variable en cuestión es igual a cero (lo que generalmente indica que tiene un efecto cero en el resultado de interés). Si puede rechazar la hipótesis nula con una confianza del 95 por ciento o mejor, los investigadores pueden invocar la significación estadística. Las hipótesis nulas también se pueden evaluar para determinar la igualdad (en lugar de cero) del efecto para dos o más tratamientos alternativos, por ejemplo, entre un medicamento y un placebo en un ensayo clínico.

El rechazo de la hipótesis nula, incluso si un grado muy alto de significación estadística nunca puede probar algo, solo puede agregar apoyo a una hipótesis existente. Por otro lado, el hecho de no rechazar una hipótesis nula suele ser motivo de rechazo de una hipótesis.

Una prueba de significación estadística comparte muchas de las mismas matemáticas que la de calcular un intervalo de confianza. Una forma de interpretar la significación estadística es que, digamos el 95 por ciento o el 99 por ciento de las veces, el intervalo de confianza no contendrá el valor cero. incluso si se encuentra que una variable es estadísticamente significativa, debe tener sentido en el mundo real.

Además, un efecto puede ser estadísticamente significativo pero tener un impacto muy pequeño. por ejemplo, puede ser muy improbable debido a la posibilidad de que las empresas que usan papel higiénico de dos capas en sus baños tengan empleados más productivos, pero la mejora en la productividad absoluta de cada trabajador probablemente sea minúscula.