¿Cómo elegir un nivel de confianza?

Question

Suelo utilizar un nivel de confianza del 90%, aceptando que éste tiene un mayor grado de incertidumbre que el 95% o el 99%.

Pero, ¿existen directrices sobre cómo elegir el nivel de confianza adecuado? ¿O directrices sobre los niveles de confianza utilizados en diferentes campos?

Además, a la hora de interpretar y presentar los niveles de confianza, ¿existen guías para convertir el número en lenguaje? Por ejemplo, guías como ésta para la r de Pearson ( editar: estas descripciones son para las ciencias sociales):

http://faculty.quinnipiac.edu/libarts/polsci/Statistics.html

Actualización

Gracias por las respuestas de abajo. Todas fueron MUY útiles, perspicaces e instructivas.

Además, a continuación hay algunos buenos artículos sobre la elección del nivel de significación (esencialmente la misma pregunta) que encontré mientras investigaba esta cuestión. Validan lo que se dice en las respuestas de abajo.

"¿Cuál es la importancia de la significación de 0,05?"

http://www.p-value.info/2013/01/whats-significance-of-005-significance_6.html

"Sobre los orígenes del nivel 0,05 de significación estadística"

http://www.radford.edu/~jaspelme/611/Primavera-2007/Cowles-n-Davis_Am-Psyc_orignis-de-05-nivel.pdf

"Método científico: Errores estadísticos"

http://www.nature.com/news/scientific-method-statistical-errors-1.14700

Answer 1

La elección de un intervalo de confianza es una subjetivo decisión. Puedes elegir literalmente cualquier intervalo de confianza: 50%, 90%, 99,999%... etc. Se trata de saber cuánta confianza usted quieren tener. Probablemente el más utilizado es el IC del 95%.

En cuanto a la interpretación y el enlace que has proporcionado... Este tipo de interpretaciones son simplificaciones excesivas . La correlación es un buen ejemplo, ya que en diferentes áreas diferentes valores podrían ser considerados como correlación "fuerte" o "débil", eche un vistazo a algún ejemplo al azar de la web :

• Una vez le pregunté a una química que estaba calibrando un instrumento de laboratorio para estándar qué valor del coeficiente de correlación buscaba. que buscaba. "0,9 es demasiado bajo. Necesita al menos 0,98 o 0,99". Obtuvo la cifra número de un documento de orientación del gobierno.
• Una vez pregunté a un ingeniero que estaba realizando un análisis de regresión de un proceso de tratamiento qué valor del coeficiente de correlación buscaba. "Cualquier cosa entre 0,6 y 0,8 es aceptable". Su profesor de universidad le dijo esto.
• Una vez le pregunté a un biólogo que estaba realizando un ANOVA del tamaño de los ratones de campo que viven en suelos contaminados frente a los prístinos, qué valor del coeficiente de correlación estaba buscando. No lo sabía, pero su límite era 0,2, basado en la menor diferencia de tamaño que su modelo podía detectar con el número de muestras que tenía.

Lo siento, pero no hay atajos...

Para tener una mejor idea de lo que son los intervalos de confianza, puede leer más sobre ellos, por ejemplo. aquí , aquí o aquí .

Answer 2

Además de la magnífica respuesta de Tim, existen incluso dentro de un mismo campo diferentes razones para determinados intervalos de confianza. En un ensayo clínico de laca para el cabello, por ejemplo, se querría muy Confía en que tu tratamiento no puede matar a nadie, digamos que al 99,99%, pero estarías perfectamente con un intervalo de confianza del 75% de que tu laca hace que el pelo se mantenga liso.

En general, los intervalos de confianza deben usarse de tal manera que usted se sienta cómodo con la incertidumbre, pero tampoco tan estrictos que reduzcan la potencia de su estudio hasta la irrelevancia. Un intervalo de confianza del 90% significa que una de cada diez veces se encontrará un valor atípico. Según lo que estás investigando, ¿es eso aceptable? Por otro lado, si prefieres un intervalo de confianza del 99%, ¿el tamaño de tu muestra es suficiente para que tu intervalo no sea inútilmente grande? (Es de esperar que decidas el nivel de IC antes de hacer el estudio, ¿no?)

En mi experiencia (en las ciencias sociales) y por lo que he visto de mi mujer (en las ciencias biológicas), aunque hay una especie de estándares de IC/significación en varios campos y varios casos específicos, no es raro que la mayor parte del debate sobre un tema sea si se establece adecuadamente el intervalo de IC o el nivel de significación. He asistido a reuniones en las que un estadístico ha explicado pacientemente a un cliente que, aunque le guste un intervalo de confianza de dos lados del 99%, para que sus datos muestren alguna vez significación tendría que multiplicar por diez su muestra; y he asistido a reuniones en las que los clientes preguntan por qué ninguno de sus datos muestra una diferencia significativa, y nosotros les explicamos pacientemente que es porque han elegido un intervalo alto, o lo contrario, que todo es significativo porque se pidió un intervalo más bajo. Cuando se publica un artículo, no es raro que tres revisores tengan tres opiniones diferentes sobre su nivel de IC, si no está en el extremo superior para su disciplina.

Lo que sugiero es que leas algunos de los principales trabajos en tu campo (tan cercanos a tu tema específico como sea posible) y veas lo que utilizan; combina eso con tu nivel de comodidad y el tamaño de la muestra; y luego prepárate para defender lo que elijas con esa información a mano. A menos que estés en un campo con reglas muy estrictas -los ensayos clínicos sospecho que son los únicos que son realmente tan estrictos, al menos por lo que he visto- no conseguirás nada mejor. (Y si hay reglas estrictas, esperaría que los principales artículos de tu campo las siguieran).

Answer 3

Como teórico, a uno le gusta inventar nuevas ideas sobre cómo podrían funcionar las cosas. Un componente crucial de la elaboración de teorías es buscar la conexión con los experimentos: Una teoría es físicamente no tiene sentido cuando no podemos probarlo, porque entonces no puede ser falsificado. Un teórico debe ser capaz de presentar pruebas experimentales para sus teorías . Esto requiere una buena comprensión de lo que los experimentadores son (no) capaces de hacer.

El ejemplo perfecto en este caso es Einstein (¿no lo es siempre?), que ideó una serie de predicciones comprobables experimentalmente de su teoría de la relatividad general (las de la relatividad especial eran bastante obvias, así que no tuvo que trabajar demasiado en ello). La más famosa es la predicción de la desviación correcta de la luz, confirmada por Eddington y algunos otros durante un eclipse solar.

Un notorio mal ejemplo en este aspecto es la teoría de cuerdas. Hasta ahora ha resultado imposible encontrar una manera de probar la teoría de cuerdas, y esto es considerado por muchos como un problema grave (aunque puede que no tenga que ver con la falta de comprensión de la física experimental por parte de los teóricos).