Prueba de hipótesis

Maria Carolina Velasco; Isaac Zhao

doi:10.47464/MetroCiencia/vol30/1/2022/83-96

Authors

Maria Carolina Velasco Latin American Center for Clinical Research https://orcid.org/0000-0002-8482-9865
Isaac Zhao Worcester Polytechnic Institute https://orcid.org/0000-0002-4352-4969

DOI:

https://doi.org/10.47464/MetroCiencia/vol30/1/2022/83-96

Keywords:

prueba de hipótesis, valor p, significancia estadística, prueba z, prueba t, ANOVA, chi-cuadrado, prueba F, coeficiente de correlación

Abstract

Este artículo es una guía práctica sobre la prueba de hipótesis. Cubre varios métodos de inferencia estadística utilizados extensamente en estudios de investigación para evaluar supuestos. Con el objetivo de evitar reducir problemas estadísticos a los valores p, discutimos aplicaciones e interpretaciones erróneas de las pruebas estadísticas y enfatizamos la importancia de interpretar los resultados en el contexto del diseño del estudio, el conocimiento previo y los análisis complementarios. Así, el artículo proporciona herramientas que promueven el uso de buenas prácticas científicas.

Downloads

Download data is not yet available.

Author Biographies

Maria Carolina Velasco, Latin American Center for Clinical Research

Latin American Center for Clinical Research. Quito - Ecuador
Isaac Zhao, Worcester Polytechnic Institute

Worcester Polytechnic Institute. Worcester, MA - United States.

References

Andersen PK, Borgan O, Gill RD, Keiding N. Survival from malignant melanoma. R Package boot: Bootstrap R (S-Plus) Functions. 1993. [cited 2022 Jan 17]. Available from: https://stat.ethz.ch/R-manual/R-patched/library/boot/html/melanoma.html

cancer.net [Internet]. Melanoma: Diagnosis; 2020 [cited 2022 Jan 27]. Available from: https://www.cancer.net/cancer-types/melanoma/diagnosis.

Dalgaard P. Introductory Statistics with R. New York: Springer; 2008. p. 95-106.

Gauvreau K. Hypothesis testing proportions. Circulation. 2006;114:1545–1548. doi: 10.1161/CIRCULATIONAHA.105.586487

Gelman A, Carlin J. Some natural solutions to the p-value communication problem— and why they won’t work. Journal of the American Statistical Association. 2017;112(519):899–901. doi: 10.1080/01621459.2017.1311263

Greenland S, Senn SJ, Rothman KJ, Carlin JB, Poole C, Goodman SN, et al. Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations. Eur J Epidemiol 31. 2016. p. 337–350. doi: 10.1007/s10654-016-0149-3

Kim TK. T test as a parametric statistic. Korean J Anesthesiol. 2015;68(6):540–546. doi: 10.4097/kjae.2015.68.6.540

R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical Computing. Vienna, Austria; 2021. [cited 2021 Aug 17]. Available from: https://www.R-project.org/.

Schober P, Boer C, Schwarte, LA. Correlation Coefficients: Appropriate use and interpretation. Anesthesia & Analgesia. 2018;126(5):1763–1768 doi: 10.1213/ANE.0000000000002864

Shahbaba B. Biostatistics with R: An introduction to statistics through biological data. New York: Springer; 2012. p. 173–228.

Wasserstein RL, Lazar NA. The ASA statement on p-Values: Context, process, and purpose. The American Statistician. 2016;70(2):129-133. doi: 10.1080/00031305.2016.1154108