{"id":26134,"date":"2020-03-05T11:34:04","date_gmt":"2020-03-05T11:34:04","guid":{"rendered":"https:\/\/www.enago.com\/academy\/latam\/?p=26134"},"modified":"2020-09-07T04:37:23","modified_gmt":"2020-09-07T04:37:23","slug":"common-statistical-errors-to-avoid-when-writing-your-manuscript","status":"publish","type":"post","link":"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/","title":{"rendered":"Errores Estad\u00edsticos a Evitar al Escribir un Art\u00edculo"},"content":{"rendered":"<span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 5<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span><p>La misi\u00f3n de la Ciencia es comprender y explicar la realidad. Pero, por las dimensiones inconmensurables de \u00e9sta, necesitamos realizar experimentos para observar lo que ocurre en situaciones controladas. Obtenemos conclusiones a ra\u00edz del an\u00e1lisis estad\u00edstico de nuestros datos, y la interpretaci\u00f3n que hacemos a partir de ellos, lo cual nos permite identificar relaciones, diferencias, patrones o tendencias. De este modo, el ser humano, el investigador, podr\u00eda llegar a comprender parcialmente la \u201cVerdad\u201d. As\u00ed pues, la estad\u00edstica lejos de ser algo innecesario, como muchos piensan, resulta ser una herramienta esencial en nuestro mundo cient\u00edfico.<\/p>\n<div id=\"om-zh9n47zi99cgk2osndjo-holder\"><\/div>\n<p><script type=\"text\/javascript\" src=\"https:\/\/a.omappapi.com\/app\/js\/api.min.js\" data-campaign=\"zh9n47zi99cgk2osndjo\" data-user=\"41855\" async><\/script><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_74 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">Table of Contents<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#La_Estadistica%E2%80%A6_ese_ser_incomprendido\" >La Estad\u00edstica\u2026 ese ser incomprendido<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Errores_tristemente_habituales\" >Errores (tristemente) habituales<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Ausencia_inadecuado_grupo_de_control\" >Ausencia\/ inadecuado grupo de control<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Interpretar_comparaciones_entre_2_efectos_sin_compararlos_directamente\" >Interpretar comparaciones entre 2 efectos sin compararlos directamente<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#%E2%80%9CInflacion%E2%80%9D_de_unidades_de_analisis\" >\u201cInflaci\u00f3n\u201d de unidades de an\u00e1lisis<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Correlaciones_espurias\" >Correlaciones espurias<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Uso_de_muestras_pequenas\" >Uso de muestras peque\u00f1as<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Analisis_circular\" >An\u00e1lisis circular<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#%E2%80%9Cp-hacking%E2%80%9D_o_flexibilidad_de_analisis\" >\u201cp-hacking\u201d o flexibilidad de an\u00e1lisis<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#No_corregir_las_comparaciones_multiples\" >No corregir las comparaciones m\u00faltiples<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Sobre_interpretacion_de_los_resultados_no_significativos\" >Sobre interpretaci\u00f3n de los resultados no significativos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Correlacion_y_causalidad\" >Correlaci\u00f3n y causalidad<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-13\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Algunos_errores_mas\" >Algunos errores m\u00e1s<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-14\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#%C2%BFA_que_se_deben_estos_errores\" >\u00bfA qu\u00e9 se deben estos errores?<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-15\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Estrategia_para_no_cometer_errores_estadisticos\" >Estrategia para no cometer errores estad\u00edsticos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-16\" href=\"https:\/\/www.enago.com\/academy\/latam\/common-statistical-errors-to-avoid-when-writing-your-manuscript\/#Conclusiones\" >Conclusiones<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"La_Estadistica%E2%80%A6_ese_ser_incomprendido\"><\/span>La Estad\u00edstica\u2026 ese ser incomprendido<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>A pesar de su evidente importancia en cualquier rama de las ciencias, tanto ciencias sociales como ciencias puras, la estad\u00edstica siempre ha sido como la hermana fea. No resulta popular. En la actualidad, hay muchos softwares y programas inform\u00e1ticos capaces de realizar complejos an\u00e1lisis estad\u00edsticos, por lo que algunas gentes le prestan incluso menos atenci\u00f3n porque creen que \u201cno necesitan entenderla ni saber aplicarla\u201d. Sin embargo, es preciso que los investigadores tengamos unas nociones b\u00e1sicas de estad\u00edstica para interpretar correctamente los resultados y para llegar, en definitiva, a esa verdad cient\u00edfica que buscamos.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Errores_tristemente_habituales\"><\/span>Errores (tristemente) habituales<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>En el laboratorio de una de las <a href=\"https:\/\/elifesciences.org\/articles\/48175\" target=\"_blank\" rel=\"noopener\">autoras de este art\u00edculo<\/a>, publicado en octubre de 2019, se tom\u00f3 la siguiente lista como plantilla para identificar los errores m\u00e1s comunes relativos a los an\u00e1lisis estad\u00edsticos en los Journal Clubs del grupo. De hecho, los Journal Clubs son el mejor entrenamiento para reconocer estos errores. Este ser\u00e1, adem\u00e1s, el primer paso para evitarlos cuando seamos nosotros los autores de los manuscritos.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Ausencia_inadecuado_grupo_de_control\"><\/span><u>Ausencia\/ inadecuado grupo de control<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>El uso de un buen grupo de control tiene como objetivo evitar los efectos atribuibles a la propia manipulaci\u00f3n, ya sea, por ejemplo, un procedimiento quir\u00fargico o la inoculaci\u00f3n de una sustancia. Incluso, en estudios de sociolog\u00eda hay que minimizar el potencial efecto Hawthorn, <a href=\"https:\/\/www.enago.com\/es\/academy\/when-citations-go-wrong\/\" target=\"_blank\" rel=\"noopener\">que ya mencionamos en un art\u00edculo previo<\/a>, mediante el uso de controles. Este es un error grav\u00edsimo que debilita en gran medida las conclusiones de cualquier estudio.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Interpretar_comparaciones_entre_2_efectos_sin_compararlos_directamente\"><\/span><u>Interpretar comparaciones entre 2 efectos sin compararlos directamente<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Otro error frecuente es el inferir que un efecto es mayor o menor en dos grupos diferentes, sin haber comparado los grupos entre s\u00ed estad\u00edsticamente. Ese efecto \u00fanicamente se puede evaluar cuando se analizan directamente ambos grupos. Generalmente, este error es consecuencia de una mala elecci\u00f3n del an\u00e1lisis estad\u00edstico escogido.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"%E2%80%9CInflacion%E2%80%9D_de_unidades_de_analisis\"><\/span><u>\u201cInflaci\u00f3n\u201d de unidades de an\u00e1lisis<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>La unidad de an\u00e1lisis es \u201cla observaci\u00f3n m\u00e1s peque\u00f1a que se puede asignar de forma aleatoria e independiente, es decir, el n\u00famero de valores independientes que pueden variar libremente\u201d, <a href=\"https:\/\/elifesciences.org\/articles\/48175\" target=\"_blank\" rel=\"noopener\">como se explica en el art\u00edculo de eLife<\/a>. En un estudio cient\u00edfico es necesario que se detallen las diferencias entre grupos y\/o aclarar en qu\u00e9 condiciones se van a agrupar. Ocasionalmente, los investigadores modificamos ese concepto de unidad experimental, lo cual implica que las conclusiones que extraigamos de los an\u00e1lisis pueden implicar errores.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Correlaciones_espurias\"><\/span><u>Correlaciones espurias<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Puede decirse que una correlaci\u00f3n espuria se da cuando aparece entre las variables una relaci\u00f3n lineal sin que tenga necesariamente que ser as\u00ed, pudiendo estar afectadas ambas variables por un tercer factor no evaluado. Las correlaciones espurias ocurren, por ejemplo, como efecto de los valores at\u00edpicos (outliers).<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Uso_de_muestras_pequenas\"><\/span><u>Uso de muestras peque\u00f1as<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>El tama\u00f1o de muestra es muy importante, principalmente porque a menor tama\u00f1o de muestra, mayor probabilidad de cometer falsos negativos, esto es, el error de tipo II\/error tipo \u03b2. Adicionalmente, cuando el tama\u00f1o muestral es reducido, la distribuci\u00f3n puede no ser normal, lo cu\u00e1l es importante conocer para elegir el an\u00e1lisis estad\u00edstico adecuado.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Analisis_circular\"><\/span><u>An\u00e1lisis circular<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Este es un error en el que muchos investigadores incurrimos con cierta frecuencia, por descuido. Un an\u00e1lisis circular es cualquier an\u00e1lisis en el que seleccionamos las caracter\u00edsticas de los datos de manera retrospectiva. Es una forma de \u201cmanipulaci\u00f3n\u201d de los datos, consciente o inconscientemente, que conllevar\u00e1 errores en los resultados de la estad\u00edstica. Es muy importante evitarlo.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"%E2%80%9Cp-hacking%E2%80%9D_o_flexibilidad_de_analisis\"><\/span><u>\u201cp-hacking\u201d o flexibilidad de an\u00e1lisis<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Es, en definitiva, otra manera de manipular los datos, tanto por modificaci\u00f3n del p-valor como por utilizar muchos tipos diferentes de an\u00e1lisis para conseguir un falso positivo (recordemos que la estad\u00edstica se basa fundamentalmente en la probabilidad). <a href=\"https:\/\/neoscientia.com\/errores-estadisticos\/\" target=\"_blank\" rel=\"noopener\">Consulta este enlace para entender de manera f\u00e1cil y comprensiva el p-valor<\/a>.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"No_corregir_las_comparaciones_multiples\"><\/span><u>No corregir las comparaciones m\u00faltiples<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Suele estar relacionado con los an\u00e1lisis de tipo exploratorio (como lo est\u00e1, asimismo, la flexibilidad de an\u00e1lisis), donde se \u201cexploran los efectos de muchas condiciones en m\u00faltiples variables\u201d. Dado que todo an\u00e1lisis estad\u00edstico conlleva un error, por peque\u00f1o que \u00e9ste sea, el uso de m\u00faltiples variables en an\u00e1lisis estad\u00edsticos se asocia con una mayor probabilidad de errores. Por ejemplo, se pueden dar lugar con relativa facilidad a tener falsos positivos (error de tipo I\/error tipo \u03b1).<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Sobre_interpretacion_de_los_resultados_no_significativos\"><\/span><u>Sobre interpretaci\u00f3n de los resultados no significativos<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Esto se traduce en que, con el p-valor por s\u00ed solo, no se puede determinar si el hecho de no haber encontrado diferencias estad\u00edsticamente significativas es porque efectivamente, no existen, o porque hemos sido incapaces de detectarlas, por ejemplo, con un tama\u00f1o muestral insuficiente, como ve\u00edamos en el punto 5. Ser\u00edan necesarios estudios posteriores para detallar porqu\u00e9 el resultado no es significativo.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"Correlacion_y_causalidad\"><\/span><u>Correlaci\u00f3n y causalidad<\/u><span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Consiste en pensar que, porque dos variables est\u00e9n significativamente relacionadas, una es necesariamente causa de la otra. Como en las correlaciones espurias, hay que analizar otros factores para evaluar presencia de causalidad entre dos variables correlacionadas. Correlaci\u00f3n no implica causalidad<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Algunos_errores_mas\"><\/span>Algunos errores m\u00e1s<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Hay otros errores estad\u00edsticos que aparecen con mayor o menor frecuencia en el mundo cient\u00edfico. Algunos de ellos son:<\/p>\n<ul>\n<li><strong>Muestreo incorrecto<\/strong>: ya hemos mencionado los problemas de una muestra peque\u00f1a. Sin embargo, otro error es seleccionar una muestra sesgada, que no ser\u00e1 representativa de nuestra poblaci\u00f3n y, por lo tanto, no nos permitir\u00e1 obtener conclusiones extrapolables al conjunto de la poblaci\u00f3n.<\/li>\n<li><strong>Ausencia de an\u00e1lisis estad\u00edstico\/presentaci\u00f3n inapropiada de datos<\/strong>: aunque cada vez menos frecuente, a\u00fan es necesario recalcar la necesidad de la estad\u00edstica y su correcta presentaci\u00f3n en los art\u00edculos cient\u00edficos, para su correcta comprensi\u00f3n e interpretaci\u00f3n.<\/li>\n<li><strong>Pseudo-replicaci\u00f3n<\/strong>: no es un error en s\u00ed mismo, pero est\u00e1 relacionado con el error n\u00famero 3. Ocurre que, cuando las mediciones se replican, pero no son independientes, no pueden tratarse como tal, sino que hay que tener en cuenta la unidad experimental previamente definida.<\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"%C2%BFA_que_se_deben_estos_errores\"><\/span>\u00bfA qu\u00e9 se deben estos errores?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><a href=\"https:\/\/www.natureindex.com\/news-blog\/ten-most-common-mistakes-with-statistics-and-how-to-avoid-them\" target=\"_blank\" rel=\"noopener\">Seg\u00fan explica uno de los autores en Nature<\/a>, las causas podr\u00edan ser las siguientes:<\/p>\n<ul>\n<li>Se valora mucho m\u00e1s el n\u00famero de publicaciones y resultados positivos que el rigor. Un art\u00edculo con resultados negativos tiene pocas posibilidades de ser publicado, lo que puede hacer que los investigadores traten de obtener resultados positivos a toda costa.<\/li>\n<li>Asumir que la ciencia s\u00f3lida y potente es atractiva. En ocasiones ser\u00edan necesarios art\u00edculos m\u00e1s largos, para explicar todas las herramientas utilizadas, adem\u00e1s de la metodolog\u00eda, en an\u00e1lisis estad\u00edsticos, r\u00e9plicas etc. Pero desde luego, esto no ser\u00eda \u201csexy\u201d para el lector.<\/li>\n<li>Decir al autor que se ha equivocado no es algo agradable, especialmente cuando el trabajo ha sido ya aceptado.<\/li>\n<\/ul>\n<p>En mi humilde opini\u00f3n, estos razonamientos obvian algo fundamental, que es la \u00e9tica en el trabajo de los propios investigadores. Pero, opiniones aparte, \u00bfqu\u00e9 podemos hacer para no cometer estos errores?<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Estrategia_para_no_cometer_errores_estadisticos\"><\/span>Estrategia para no cometer errores estad\u00edsticos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>Formaci\u00f3n e informaci\u00f3n: <\/strong>a pesar de que no es imprescindible saber cu\u00e1les son los c\u00e1lculos exactos de la estad\u00edstica, s\u00ed es muy necesario conocer en qu\u00e9 consisten y cu\u00e1les son los an\u00e1lisis estad\u00edsticos m\u00e1s apropiados para cada caso. Es nuestra responsabilidad conocer las herramientas de las que disponemos, y ser capaces de elegir la m\u00e1s adecuada y la m\u00e1s coherente con nuestras investigaciones.<\/li>\n<li><strong>Buen dise\u00f1o experimental: <\/strong>primero, debemos establecer nuestras preguntas cient\u00edficas y c\u00f3mo las vamos a responder. Es imprescindible saber cu\u00e1les ser\u00e1n nuestros grupos problema y de control, definir claramente las unidades experimentales en cada caso, determinar el tama\u00f1o muestral necesario para alcanzar nuestras conclusiones, determinar cu\u00e1les ser\u00e1n las variables a analizar y c\u00f3mo se van a analizar.<\/li>\n<li><strong>An\u00e1lisis cauteloso: <\/strong>la obtenci\u00f3n de datos at\u00edpicos (outliers) puede resultar problem\u00e1tica. Es necesario tratar estos datos con cautela y no eliminarlos ni obviarlos a la ligera. Ante correlaciones de supuesta causalidad, es muy necesario considerar nuevas variables en el primer caso.<\/li>\n<li><strong>Interpretaci\u00f3n transparente: <\/strong>la eliminaci\u00f3n ve valores at\u00edpicos (outliers), y las comparaciones m\u00faltiples deben ser claramente explicadas en el manuscrito y justificadas. Asimismo, debemos recordar que la interpretaci\u00f3n de los datos no significativos conllevar\u00eda an\u00e1lisis extra si queremos determinar la causa de su no significaci\u00f3n.<\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"Conclusiones\"><\/span>Conclusiones<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>El an\u00e1lisis estad\u00edstico es determinante en la interpretaci\u00f3n de los resultados obtenidos en Ciencia y, por lo tanto, es de suma importancia que los investigadores nos formemos e informemos sobre ellos y evitemos errores que dar\u00edan lugar a conclusiones inciertas y que nos alejar\u00edan, contra nuestra voluntad, de la \u201cVerdad cient\u00edfica\u201d a la que tanto aspiramos.<\/p>\n<!-- AddThis Advanced Settings generic via filter on the_content --><!-- AddThis Share Buttons generic via filter on the_content -->","protected":false},"excerpt":{"rendered":"<p><span class=\"span-reading-time rt-reading-time\" style=\"display: block;\"><span class=\"rt-label rt-prefix\">Reading Time: <\/span> <span class=\"rt-time\"> 5<\/span> <span class=\"rt-label rt-postfix\">minutes<\/span><\/span>La misi\u00f3n de la Ciencia es comprender y explicar la realidad. Pero, por las dimensiones [&hellip;]<!-- AddThis Advanced Settings generic via filter on get_the_excerpt --><!-- AddThis Share Buttons generic via filter on get_the_excerpt --><\/p>\n","protected":false},"author":8212,"featured_media":26150,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"om_disable_all_campaigns":false,"footnotes":""},"categories":[31,27],"tags":[61],"ppma_author":[195],"class_list":["post-26134","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-understanding-ethics","category-publishing-research","tag-importance-of-research-ethics"],"acf":[],"single_webinar_page_date":null,"single_webinar_page_time":null,"session_agenda":null,"who_should_attend_this_session":null,"about_the_speaker_field":null,"co-webinar-sec":null,"co_webinar_sec_one":null,"speaker-name":null,"webinar-date":null,"webinar-time":null,"webinar-s-image":null,"custum_webinar_category":null,"authors":[{"term_id":195,"user_id":8212,"is_guest":0,"slug":"latameditor","display_name":"latameditor","avatar_url":"https:\/\/secure.gravatar.com\/avatar\/a9da5b9b2a636c5a99ad42885d4a2303d2670b561687dc14cf44436d79630c4f?s=96&d=mm&r=g","author_category":"","first_name":"","last_name":"","user_url":"","job_title":"","description":""}],"_links":{"self":[{"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/posts\/26134","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/users\/8212"}],"replies":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/comments?post=26134"}],"version-history":[{"count":3,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/posts\/26134\/revisions"}],"predecessor-version":[{"id":26636,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/posts\/26134\/revisions\/26636"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/media\/26150"}],"wp:attachment":[{"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/media?parent=26134"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/categories?post=26134"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/tags?post=26134"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/www.enago.com\/academy\/latam\/wp-json\/wp\/v2\/ppma_author?post=26134"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}