¿Qué nivel de alfa determina la significación estadística?

Getty Images / Infografía

No todos los resultados de las pruebas de hipótesis son iguales. A prueba de hipotesis o la prueba de significación estadística normalmente tiene un nivel de significación adjunto. Este nivel de significación es un número que normalmente se denota con el letra griega alfa. Una pregunta que surge en una clase de estadística es: ¿Qué valor de alfa debería usarse para nuestras pruebas de hipótesis?

La respuesta a esta pregunta, al igual que con muchas otras preguntas en estadística es, depende de la situación. Exploraremos lo que queremos decir con esto. Numerosas revistas de diferentes disciplinas definen como resultados estadísticamente significativos aquellos para los que alfa es igual a 0,05 o 5%. Pero el punto principal a tener en cuenta es que no hay un valor universal de alfa que deba usarse para todos pruebas estadisticas .

Valores de uso común Niveles de significación

El número representado por alfa es una probabilidad, por lo que puede tomar un valor de cualquier no negativo Número Real menos que uno. Aunque en teoría cualquier número entre 0 y 1 puede usarse para alfa, cuando se trata de la práctica estadística, este no es el caso. De todos los niveles de significación, los valores de 0,10, 0,05 y 0,01 son los más utilizados para alfa. Como veremos, podría haber razones para usar valores de alfa distintos a los números más comúnmente usados.

Nivel de Significación y Errores Tipo I

Una consideración contra un valor único para alfa tiene que ver con cuál es la probabilidad de este número. El nivel de significación de una prueba de hipótesis es exactamente igual a la probabilidad de una error tipo I . Un error tipo I consiste en incorrectamente rechazando la hipótesis nula cuando la hipótesis nula es realmente cierta. Cuanto menor sea el valor de alfa, menos probable es que rechacemos una hipótesis nula verdadera.

Hay diferentes casos en los que es más aceptable tener un error de Tipo I. Un valor mayor de alfa, incluso uno mayor que 0,10, puede ser apropiado cuando un valor menor de alfa da como resultado un resultado menos deseable.

En la detección médica de una enfermedad, considere las posibilidades de una prueba que da falso positivo para una enfermedad con una que da falso negativo para una enfermedad. Un falso positivo generará ansiedad para nuestro paciente, pero dará lugar a otras pruebas que determinarán que el veredicto de nuestra prueba fue incorrecto. Un falso negativo le dará a nuestro paciente la suposición incorrecta de que no tiene una enfermedad cuando en realidad la tiene. El resultado es que la enfermedad no será tratada. Dada la elección, preferimos tener condiciones que den como resultado un falso positivo que un falso negativo.

En esta situación, con mucho gusto aceptaríamos un mayor valor para alfa si resultara en una compensación de una menor probabilidad de un falso negativo.

Nivel de significación y valores P

Un nivel de significación es un valor que establecemos para determinar la significancia estadística. Este termina siendo el estándar por el cual medimos el valor p calculado de nuestra estadística de prueba. Decir que un resultado es estadísticamente significativo en el nivel alfa solo significa que el valor p es menor que alfa. Por ejemplo, para un valor de alfa = 0,05, si el valor p es mayor que 0,05, no podemos rechazar la hipótesis nula.

Hay algunos casos en los que necesitaríamos una muy pequeña valor p para rechazar una hipótesis nula. Si nuestra hipótesis nula se refiere a algo que es ampliamente aceptado como verdadero, entonces debe haber un alto grado de evidencia a favor de rechazar la hipótesis nula. Esto lo proporciona un valor p que es mucho más pequeño que los valores comúnmente utilizados para alfa.

Conclusión

No hay un valor de alfa que determine la significancia estadística. Aunque números como 0.10, 0.05 y 0.01 son valores comúnmente usados ​​para alfa, no existe teorema matemático que dice que estos son los únicos niveles de significación que podemos usar. Como ocurre con muchas cosas en estadística, debemos pensar antes de calcular y sobre todo usar el sentido común.