significância estadística - Wikilingue - Encydia
En Estadística, un resultado es significante, por lo tanto, tiene significância estadística, si fuera improvable que haya ocurrido por casualidad (que en estadística y probabilidad es tratado por el concepto de oportunidad ), si una determinada hipótesis nula sea verdadera, pero no siendo improvable caso la hipótesis base sea falsa. La expresión prueba de significância fue cunhada por Ronald Fisher.[1]
Más concretamente, en la prueba de hipótesis con base en frecuencia estadística, la significância de una prueba es la probabilidad máxima de rechazar accidentalmente una hipótesis nula verdadera (una decisión conocida como error de tipo I). El nivel de significância de un resultado es también llamado de Falló al verificar gramática (El ejecutable texvc no fue encontrado. Consulte math/README para instrucciones de la configuración.): \alpha
y no debe ser confundido con el valor p (p-value).
Por ejemplo, podemos escoger un nivel de significância de, digamos, 5%, y calcular un valor crítico de un parâmetro (por ejemplo la media) de modo que la probabilidad de ella exceder ese valor, dada la verdad de la hipótesis nulo, ser 5%. Si el valor estadístico calculado (o sea, el nivel del 5% de significância anteriormente escogido) exceder el valor crítico, entonces es significante "al nivel del 5%".
Si el nivel de significância (ex: 5% anteriormente dado) es más pequeño, el valor es menos probablemente un extremo en relación al valor crítico. De este modo, un resultado que es "significante al nivel del 1%" es más significante del que un resultado que es significante "al nivel del 5%". Sin embargo, una prueba al nivel del 1% es más susceptible de padecer del error de tipo II del que una prueba del 5% y por eso tendrá menos poder estadístico.
Al divisar una prueba de hipótesis, el técnico deberá intentar maximizar el poder de una dada significância, pero últimamente tiene que reconocer que el mejor resultado que se puede obtener es un compromiso entre significância y poder, en otras palabras, entre los errores de tipo I y tipo II.
ES importante resaltar que los valores p Fisherianos son filosóficamente diferentes de los errores de tipo I de Neyman-Pearson. Esta confusión es infelizmente propagada por muchos libros de estadística.[2]
Referencias
- ↑ "Critical tests of this kind may be called tests of significance, and when such tests are available we may discover whether a second sample is or is not significantly different from the first." — R. A. Fisher (1925). Statistical Methods sea Research Workers, Edinburgh: Oliver and Boyd, 1925, p.43.
- ↑ Raymond Hubbard, M.J. Bayarri, P Values are not Error Probabilities. Un trabajo que explica la diferencia entre el valor p evidencial de Fisher y la tasa de error de tipo I de Neyman-Pearson Falló al verificar gramática (El ejecutable texvc no fue encontrado. Consulte math/README para instrucciones de la configuración.): \alpha .
