En el análisis estadístico, la "significación " tiene un significado técnico específico. En el uso general , significativa puede significar que algo tiene sentido , o es importante. Sin embargo , cuando los científicos analistas de datos y otros dicen que un resultado fue significativo , que no significan simplemente un hallazgo grande o digno de mención . Significan que los resultados obtenidos en el estudio han cumplido ciertas condiciones estadísticos . Pruebas de significación

"hipótesis " es una predicción o una explicación de un determinado fenómeno. En la ciencia, estas hipótesis se prueban en estudios en los que se recogen los datos y después se analizan para ver si admite o rechaza la hipótesis. Sin embargo , debido a la recolección y análisis de datos no es perfecto , siempre hay una cierta probabilidad de obtener un resultado positivo , aun cuando la hipótesis es realmente incorrecto . Importancia de ensayo intenta averiguar lo que esta probabilidad es , menor es la probabilidad, el más importante de los hallazgos
P valora

Importancia se reportó el uso de un "valor p . . " Este valor mide la probabilidad de cero , es decir, 0 por ciento de posibilidades , y 1 , lo que significa 100 por ciento de posibilidades . Cuanto más se acerca la cifra es cero , más difícil es conseguir que los resultados obtenidos en el análisis por casualidad, y por lo tanto los investigadores más confianza se puede tener en los resultados. . El valor de p se calcula a través de los procedimientos de análisis complejos , por lo general el uso de programas de software especializados
Alfa

Una cuestión importante que los analistas se hacen es : " ¿Qué p valor es aceptable ? " Este " nivel aceptable " se llama la alfa , y es el punto de corte , por debajo del cual los resultados se consideraron estadísticamente significativos . En muchos campos , incluyendo la psicología , la sociología y la economía , alfa se establece en 0,05 . Esto significa que , si la probabilidad de obtener los resultados por azar es del 5 por ciento o menos , se considera estadísticamente significativo.
Errores Tipo I y Tipo II

El nivel alfa tiene implicaciones importantes . Si se ajusta demasiado alto , por ejemplo 0.2 , los falsos positivos se deslizan a través de la red y analistas suponer un efecto cuando no hay uno . Se trata de un error de tipo I . Si se establece demasiado bajo , por ejemplo 0.0001 , los falsos negativos se pueden hacer y los investigadores pueden asumir ningún efecto cuando hay uno. Se trata de un error de tipo II . No hay manera científica para establecer alfa, y la convención 0.05 comúnmente empleado es fundamentalmente arbitraria.
Limitaciones

Una limitación importante de NHST es que el valor p es altamente influenciado por el número de puntos de datos en el análisis . Si hay miles de puntos de datos en el análisis, incluso muy pequeños efectos pueden ser estadísticamente significativa. Por lo tanto , un efecto significativo en un estudio no podría representar algo que está teniendo un efecto en el mundo real . Para evitar esto , la importancia se suele combinar con otras estadísticas , como el " tamaño del efecto ", que se aproxima al tamaño de la diferencia .