CAPÍTULO 6: Preguntas de investigación sobre dos grupos separados o independientes

CONCEPTOS CLAVE

1. Las preguntas de investigación sobre dos grupos independientes indagan si las medias o las proporciones son diferentes.

2. Los intervalos de confianza que utilizan la distribución t determinan la confianza con la que se puede asumir que las diferencias entre dos medias variarán en estudios futuros.

3. Para formar el error estándar de las diferencias se utiliza la desviación estándar agrupada.

4. El análisis “a simple vista” es útil cuando los informes presentan gráficos de la media con intervalos de confianza de 95%.

5. El uso de la distribución t requiere que los dos grupos sean independientes entre sí, al igual que las suposiciones de la normalidad y de la varianza entre ambos.

6. Las pruebas de hipótesis son otra manera de mostrar la diferencia entre dos medias.

7. La suposición de que las varianzas son iguales puede probarse con varios procedimientos.

8. La prueba no paramétrica de la suma de rangos de Wilcoxon es una excelente alternativa a la prueba t cuando no se cumplen las suposiciones de normalidad o de varianzas iguales.

9. Tanto los intervalos de confianza como las pruebas estadísticas se pueden utilizar para comparar dos proporciones mediante la prueba z, a través de una desviación estándar agrupada para obtener el error estándar.

10. La prueba chi-cuadrada es un procedimiento estadístico muy versátil que se utiliza para comprobar las diferencias de proporciones, así como la asociación entre dos variables.

11. La prueba exacta de Fisher es preferible a la chi-cuadrada cuando se comparan dos características, cada una en dos niveles (es decir, tablas de 2 × 2) porque proporciona la probabilidad exacta.

12. El riesgo relativo o razón de momios es apropiado si el propósito es estimar la fortaleza de una relación entre dos medidas nominales.

13. Cuando se comparan dos grupos sobre una variable numérica, la variable numérica no debe convertirse en categorías para utilizar la prueba chi-cuadrada; es mejor utilizar la prueba t.

14. Es posible calcular los tamaños de muestra necesarios, pero es mucho más eficiente usar uno de los paquetes de potencia estadística, como GPower.