Potencia de prueba: la gran ausente en muchos trabajos científicos

Lutz, González; Isabel, María

doi:10.15517/am.v19i2.5015

Cited by 3 publications

(4 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Si no hay significancia, un análisis posterior es innecesario. De acuerdo con González (2008), procede reportar la no significancia e indicar que no hay evidencia para concluir que los tratamientos ensayados provocan diferencia en el promedio observado para la variable de interés. Junto con la no significancia, debe reportarse la potencia de la prueba (1-β) (para más detalle acerca de la potencia de prueba puede consultar diversos textos de estadística o la publicación de González (2008)).…”

Section: El Andeva Y Pruebas Posterioresunclassified

“…Sin embargo, debe recordarse que el efecto que se estudia podría dar no significativo, por lo que no es necesario realizar un análisis posterior. En este caso lo que procede es reportar e interpretar la no significancia, junto con la potencia de prueba (González 2008). Esto debe hacerse siempre ante la no significancia del efecto simple tras el ANDEVA, independientemente de cuál método posterior de análisis se haya definido a priori.…”

Section: Ejemplo 6: Sin Análisis Posteriorunclassified

See 1 more Smart Citation

¿Después de un análisis de variancia?qué? Ejemplos en ciencia de alimentos

Wong-González

2010

Agron. Mesoam.

View full text Add to dashboard Cite

RESUMENDespués de un análisis de variancia... qué? Ejemplos en ciencia de alimentos. es común encontrar publicaciones científicas en las que el análisis de variancia (ANDEVA) se utiliza incorrectamente y además, en las que los análisis posteriores tras encontrar significancia en el ANDEVA también son incorrectos. en este trabajo se describe el fundamento teórico del ANDEVA y de las pruebas que pueden aplicarse posteriormente, y se presentan ejemplos prácticos de la ciencia de los alimentos que tienen el objetivo de mostrar al lector la escogencia y aplicación apropiadas de estas pruebas.Palabras claves: ANDEVA, comparación de medias, Dunnet, Duncan, Tukey, contrastes ortogonales. ABSTRACTWhat to do after an ANOVA: Examples in food science. It is common to find scientific publications with incorrect uses of the analysis of variance (ANOVA), as well as incorrect applications of tests after finding significance with the ANOVA. This paper describes the fundamentals of the ANOVA and of the tests that can be applied afterwards, and presents practical examples in food science, with the objective of showing the reader a right selection and application of such tests.

show abstract

Section: El Andeva Y Pruebas Posterioresunclassified

Section: Ejemplo 6: Sin Análisis Posteriorunclassified

¿Después de un análisis de variancia?qué? Ejemplos en ciencia de alimentos

Wong-González

2010

Agron. Mesoam.

View full text Add to dashboard Cite

show abstract

“…El cálculo de la potencia estadística no forma parte usual en la planificación de la experimentación agrícola (González-Lutz, 2008). Así, no se conoce si utilizan un número de repeticiones que permitan alcanzar la potencia deseada, lo que puede llevar a que las conclusiones basadas en las pruebas de hipótesis de algunos trabajos no sean confiables, particularmente, cuando no se encuentran diferencias significativas.…”

Section: Introductionunclassified

Determinación de la potencia estadística de experimentos de rendimiento en maíz

Vargas-Rojas

García²

2022

Remexca

View full text Add to dashboard Cite

El análisis prospectivo de la potencia estadística de una prueba de hipótesis debería ser una de las etapas más importantes de cualquier experimento; sin embargo, se omite con frecuencia. En particular, para Costa Rica, no se encontraron investigaciones relacionadas con este tema para experimentos de rendimiento en el cultivo de maíz. El objetivo de este trabajo fue determinar la potencia estadística de un diseño completamente aleatorizado para experimentos de rendimiento en el cultivo de maíz (Zea mays) mediante la simulación de ensayos de uniformidad. Para realizar los cálculos de potencia se estimaron los parámetros del proceso de correlación espacial de un ensayo de uniformidad establecido en Santa Cruz, Costa Rica en el año 2018. Dichas estimaciones fueron utilizadas para realizar 10 000 simulaciones de campos aleatorios de mayor tamaño, lo que permitió superponer diferente número de repeticiones y estimar la potencia estadística para detectar una diferencia de 10% con respecto a la media en un experimento con un diseño completamente aleatorizado a un nivel de significación de 5%. Se obtuvo la potencia 80% con ocho repeticiones y se concluye que, bajo las condiciones experimentales de este trabajo, en ensayos de rendimiento en el cultivo de maíz, para detectar una diferencia de medias 10% a un nivel de significación 5%, se deben usar ocho o más repeticiones.

show abstract

“…El cálculo de la potencia estadística no forma parte usual en la planificación en la experimentación agrícola (González, 2008). Es común que los investigadores, acudan a números arbitrarios o tradicionales sin justificación estadística ni práctica para definir las repeticiones que debe tener un ensayo.…”

unclassified

Simulación de ensayos en blanco para determinar la potencia estadística de experimentos en arroz

Vargas-Rojas

2021

Agron. Mesoam.

View full text Add to dashboard Cite

Introducción. El análisis prospectivo de la potencia estadística de una prueba de hipótesis debería ser una de las etapas más importantes de cualquier experimento, sin embargo, se omite con frecuencia. En Costa Rica, dentro de la bibliografía consultada, no se encontraron investigaciones relacionadas con este tema para experimentos de rendimiento en el cultivo de arroz. Objetivo. Simular ensayos en blanco para determinar la potencia estadística de un diseño completamente aleatorizado para experimentos de rendimiento de arroz en Bagaces, Costa Rica. Materiales y métodos. Se estimaron los parámetros del proceso de correlación espacial de un ensayo en blanco establecido en Bagaces, Costa Rica. Luego, las estimaciones se utilizaron para realizar 10 000 simulaciones de campos aleatorios de mayor tamaño, lo que permitió superponer diferente número de repeticiones y estimar la potencia lograda para detectar una diferencia del 10 % con respecto a la media en un experimento completamente aleatorizado a un nivel de significación del 5 %. Resultados. La potencia del 80 % se obtuvo con cinco repeticiones. Conclusión. En ensayos de rendimiento en arroz, para detectar una diferencia de medias del 10 % a un nivel de significación del 5 %, en esta investigación se requirió de cinco o más repeticiones.

show abstract

Potencia de prueba: la gran ausente en muchos trabajos científicos

Cited by 3 publications

References 0 publications

¿Después de un análisis de variancia?qué? Ejemplos en ciencia de alimentos

¿Después de un análisis de variancia?qué? Ejemplos en ciencia de alimentos

Determinación de la potencia estadística de experimentos de rendimiento en maíz

Simulación de ensayos en blanco para determinar la potencia estadística de experimentos en arroz

Contact Info

Product

Resources

About