9 - Significancia estadística y el valor p
Lección 9 del curso Estadística Inferencial Fundamentos.
En la lección anterior hablamos de los conceptos de hipótesis y pruebas de hipótesis que serán el punto de partida de lo que se conoce como las pruebas de “significancia” estadística usadas en Estadística Inferencial.
E independientemente de la prueba que usemos para analizar nuestros datos el objetivo final de estas es intentar calcular la probabilidad de que los datos observados obedezcan a la hipótesis nula.
Así que en esta lección hablaremos de los conceptos de el valor p y la “significancia” estadística que nos permiten en últimas apoyar o rechazar esta hipótesis nula al momento de analizar nuestros datos.
Y para entender estos conceptos comenzaremos planteando un ejemplo hipotético sobre tiempos de interacción de los usuarios con un sitio web para luego construir el concepto del valor p.
Y una vez tengamos claro este concepto del valor p introduciremos el concepto de “significancia” estadística y veremos cómo usarlo para determinar si dicho valor p nos permite aceptar o rechazar la hipótesis nula al momento de analizar nuestros datos.
Al final de la lección veremos un par de ejemplos que nos permitirán entender cómo usar estos dos elementos (el valor p y el nivel de “significancia”) para tomar una decisión a favor o en contra de la hipótesis nula.
Suscríbete para tener acceso al video con la explicación detallada de esta lección. Además podrás disfrutar de todos los cursos de la Academia Online
Muy bien, acabamos de entender qué son el valor p y la significancia estadística, dos conceptos fundamentales a los cuales debemos recurrir cuando queramos realizar de manera rigurosa pruebas de hipótesis sobre nuestros datos.
En últimas, la combinación de estos dos elementos nos va a permitir tomar una decisión a favor de la hipótesis nula o de la hipótesis alternativa al momento de analizar nuestros datos.
Sin embargo, es importante tener en cuenta que como tal el valor p indica una probabilidad y por tanto no nos permitirá tener una certeza absoluta acerca de si la decisión que tomemos (de apoyar una u otra hipótesis) será la correcta.
Esto quiere decir que en ocasiones podremos cometer errores que dependerán de cuál hipótesis sea, digámoslo así, la ganadora tras aplicar la prueba de significancia estadística.
Y estos errores se conocen como errores tipo I y tipo II los cuales vamos a entender en detalle en la próxima lección.