La demonización del «p-valor»: estadísticas vs sentido común

La demonización del «p-value»: estadísticas vs sentido común

La estadística; esa asignatura pendiente que la mayoría de los técnicos, preparadores físicos, entrenadores, incluso científicos del deporte, tienen. La forma de publicar los artículos y, sobre todo, de analizar el rendimiento deportivo, está cambiando. Vivimos en un mundo de datos y datos (https://goo.gl/zK50xh) en el que no tenemos tiempo ni, la mayoría de las veces, conocimientos específicos para poder analizarlos. De estar forma, los enfoques y métodos estadísticos utilizados hasta el momento se han basado principalmente en el contraste de la «hipótesis nula», es decir, si, en base a un contraste estadístico, como el análisis del «p-valor» (en inglés, «p-value»), se cumple o no.

Sin embargo, son varios los autores que proponen propuestas alternativas a este tipo de análisis, tanto por sus limitaciones, como por el desconocimiento y dificultad de aplicar correctamente muchos de los métodos estadísticos en un contexto como el deportivo. Por ejemplo, Will G Hopkins en su web www.sportsci.org presenta una extensa información y propuesta de análisis de datos que en los últimos años ha revolucionado la forma de presentar y analizar los datos. Además, recientemente se ha publicado un interesante estudio en la European Journal of Epidemiology donde importantes autores estadísticos de relevancia, entre los que se encuentran Goodman y Altman, nos aportan las luces y las sombras sobre los test estadísticos, p values, intervalos de confianza y potencia estadística. 

Descarga el artículo

Sabías que...

Formación S2i

Desde science2improve, conocedores de la dificultad y la necesidad de formación específica en estadística para el análisis del rendimiento en deporte, organiza la primera edición del curso de “Nuevas tendencias estadísticas en Ciencias del Deporte: magnitudes basadas en inferencias”, donde el Dr. Oliver Gonzalo-Skok nos enseñará y aclarará importantes conceptos como los vistos en este post de nuestro blog y, además, desde un punto de vista muy práctico, nos enseñará a utilizar el novedoso método de análisis estadístico promovido por Will G Hopkins a través de sus hojas de excel. Y para que el curso tenga la mayor realidad posible, se realizarán prácticas de tomas de datos con tecnología top como la Tensiomiografía y el SmartCoach para analizar los datos en tiempo real y poder así consultar dudas con el experto.

En el citado estudio, los autores abordan un total de 25 puntos interesantes relacionados con la mal interpretación estadística, la cual ha llevado incluso a algunas revistas a no admitir el uso de la palabra «estadísticamente significativo». Por ejemplo, los autores comentan que los modelos estadísticos depende de una compleja red de presunciones sobre cómo están los datos recogidos y analizados, así como la forma de presentar los posteriores análisis. Por tanto, un modelo será una representación matemática de la variabilidad de los datos.

Un punto interesante a destacar en este artículo es el enfoque en el 99% de los estudios hasta la fecha han dado en torno a la utilización de los test para ver la significatividad de la hipótesis nula. Los autores destacan que, igual o más interesante, sería comprobar que el efecto, en lugar de ser significativo o no, no sea mayor que una cantidad en particular de efecto, en línea con las propuestas y pensamientos de Will G Hopkins.

Os recomendamos echarle un vistazo al artículo, no sin antes pasar por alto los siguientes titulares que hemos seleccionado del mismo:

Tras la lectura del artículo es inevitable pensar que realmente es necesario tener un conocimiento tan profundo de la estadística que lo que necesitamos en nuestro equipo/grupo de trabajo o investigación es un estadístico en sí. Sin embargo, existen muchos conceptos más sencillos y alcanzables con un poco de práctica, los cuales nos ayudarán y mucho en nuestro día a día tanto como científicos del deporte como analistas del rendimiento

  • Un test no significativo no debe ser rechazado

  • Es importante elegir bien el modelo estadístico

  • Que sea difícil, no exime de entenderlo para poder seguir construyendo

¿Qué hemos aprendido?

Consulta más información sobre el Curso de Nuevos métodos en estadística aplicada
Alejandro Muñoz López

Science2improve CEO |
Doctor en Ciencias del Deporte |
Máster Oficial en Rendimiento Físico y Deportivo |
Máster en Preparación Física y Recuperación de Lesiones en Fútbol | Máster Profesional en Alto Rendimiento en Deportes de Equipo |

By | 2017-11-17T15:21:51+00:00 abril 8th, 2017|Categories: Artículos científicos|0 Comments