MirPirFir.

PIR 2020 · Pregunta 2

Estadística inferencial

En 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)).

Explicación generada con IA y verificada por consenso entre modelos de distintas familias.