medigraphic.com
ISSN 0188-2198 (Impreso)

2015, Número 1

<< Anterior Siguiente >>

Rev Mex Cardiol 2015; 26 (1)


Desmitificación de la significancia de p en las pruebas estadísticas

Sánchez TRA

Idioma: Ingles.
Referencias bibliográficas: 11
Paginas: 56-58
Archivo PDF: 133.27 Kb.


RESUMEN

Todas la pruebas estadísticas tienen un valor de p significativo a partir de ‹ de 0.050, el cual fue arbitrariamente determinado por RA Fisher y aceptado por consenso a través del tiempo. Desde su génesis, este valor ha sido cuestionado y actualmente está bajo la mirada escrupulosa de muchos estadígrafos, por lo que se establece un debate en la comunidad científica donde clásicamente se consideraba obtener la significancia de p un sello de garantía, que el proyecto de investigación era capaz de aceptar o rechazar la hipótesis. El objetivo de este artículo es discutir los cuestionamientos de la significancia de p.


REFERENCIAS (EN ESTE ARTÍCULO)

  1. Fisher RA. Statistical methods for research workers. 5 de Biological monographs and manuals. La Universidad de California, 1932, pp. 1-307.

  2. Lew MJ. To P or not to P: on the evidential nature of P-values and their place in scientific inference stat. ME. 2013; 3: 27-46.

  3. Nuzzo R. P values, the “gold standard” of statistical validity, are not as reliable as many scientists assume. Nature. 2014; 506: 150-152.

  4. Donna M, Windish MD, Stephen J, Huot SJ, Green ML. Medicine residents’ understanding of the biostatistics and results in the medical literature. JAMA. 2007; 298: 1010-1022.

  5. Lecoutre MP, Poitevineau J, Lecoutre B. Even statisticians are not immune to misinterpretations of null hypothesis significance tests. Int J Psychol. 2003; 38: 37-45.

  6. Hubbard R, Lindsay MR. Why p values are not a useful measure of evidence in statistical significance testing. Theory Psychol. 2008; 18: 69-88.

  7. Lew MJ. Bad statistical practice in pharmacology (and other basic biomedical disciplines): you probably don’t know P. Br J Pharmacol. 2012; 166: 1559-1567.

  8. Goodman S. A dirty dozen: twelve p-value misconceptions. Semin Hematol. 2008; 45: 135-140.

  9. Hurlbert SH, Lombardi CM. Final collapse of the Neyman-Pearson decision theoretic framework and rise of the neo Fisherian. Ann Zool Fennici. 2009; 46: 311-349.

  10. Coe R. It’s the effect size, stupid. What effect size is and why it is important. School of education, University of Durham. Paper presented at the British Educational Research Association, Annual Conference. Exter, 12-14 September, 2002.

  11. Cohen J. Statistical power analysis for the behavioral sciences. New York, Academic Press. 1977, pp. 216-380.




2020     |     www.medigraphic.com