PIR 2020 · Pregunta 2
Estadística inferencialEn el ámbito del análisis estadístico de los datos, en lo que respecta al tamaño del efecto, indique la afirmación INCORRECTA:
Ver respuesta sin contestar
Respuesta correcta: A (plantilla definitiva)
Explicación
La pregunta identifica la afirmación incorrecta sobre el tamaño del efecto. La opción 1 es falsa porque la significación estadística (valor p o F significativo) no equivale a la magnitud del efecto; un F puede ser significativo con efectos triviales si la muestra es grande. Las opciones 2, 3 y 4 son correctas: la d de Cohen es una diferencia estandarizada; η² está sesgado positivamente y se prefiere ω²/ε²; y la f de Cohen se usa para >2 medias.
A. La significación estadística y la magnitud del efecto son constructos independientes. Un valor de F significativo solo indica que las diferencias observadas son improbables bajo la hipótesis nula, pero no informa sobre su tamaño. Además, la estadística F depende críticamente del tamaño muestral: con N grande, diferencias mínimas (efecto trivial) alcanzan significación; con N pequeño, efectos grandes pueden no ser significativos. El adverbio 'siempre' hace la afirmación inequívocamente falsa.
- B. Afirmación correcta. La d de Cohen se define como la diferencia entre dos medias dividida por una desviación típica (pooled en diseños independientes o de las diferencias en repetidos), expresando así una 'diferencia estandarizada entre medidas'.
- C. Afirmación correcta. η² es un estimador con sesgo positivo de la varianza explicada en la población, especialmente en muestras pequeñas o diseños complejos. La literatura metodológica actual recomienda reportar ω² o ε², o al menos reportar η² con cautela, por lo que desaconsejar su uso como estimador insesgado es correcto.
- D. Afirmación correcta. El estadístico f de Cohen es la medida de tamaño del efecto estándar para ANOVA (comparación de >2 medias), definida como la desviación típica de las medias poblacionales dividida por la desviación típica del error, y relacionada con η² mediante f = √(η²/(1−η²)).
Fuentes
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.).
- Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: a practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, 863.
- Fritz, C. O., Morris, P. E., & Richler, J. J. (2012). Effect size estimates: Current use, calculations, and interpretation. Journal of Experimental Psychology: General, 141(1), 2–18.
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA's Statement on p-Values. The American Statistician, 70(2), 129–133.
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.