¿Para qué sirven las barras de error?

Las barras de error suelen aparecer en las figuras.

en publicaciones, pero experimental

Los biólogos a menudo no están seguros de cómo

debe usarse e interpretarse. En esto

artículo ilustramos algunas características básicas

de barras de error y explicar cómo pueden

ayudar a comunicar datos y asistir

interpretación correcta. Las barras de error pueden

mostrar intervalos de confianza, estándar

errores, desviaciones estándar u otros

cantidades. Diferentes de barras de error

dar información bastante diferente, y así

Las leyendas de las figuras deben dejar claro qué

representan las barras de error. Sugerimos ocho

reglas simples para ayudar con el uso efectivo

e interpretación de barras de error.

¿Para qué sirven las barras de error?

Revistas que publican ciencia—conocimiento

obtenido a través de la observación repetida o

experimente, no se limite a presentar nuevos

conclusiones, también presentan evidencia por lo que

los lectores pueden verificar que los autores

el razonamiento es correcto. Cifras con barras de error

puede, si se usa correctamente (1–6), dar información

describir los datos (estadísticas descriptivas),

o información sobre qué conclusiones, o

inferencias, están justificadas (inferencial

Estadísticas). Estas dos categorías básicas de

las barras de error se representan exactamente de la misma

manera, pero en realidad son fundamentalmente

diferente. Nuestro objetivo es ilustrar las propiedades básicas

de figuras con cualquiera de los comunes

barras de error, como se resume en la Tabla I, y para

explicar cómo se deben usar.

¿Qué te dicen las barras de error?

Barras de error descriptivas. Distancia

y la desviación estándar (DE) se utilizan para

barras de error descriptivas porque muestran

cómo se distribuyen los datos (Fig. 1). Distancia

las barras de error abarcan el más bajo y el más alto

valores. SD se calcula mediante la fórmula

donde X se refiere a los datos individuales

puntos, M es la media y Σ (sigma)

significa sumar para encontrar la suma, para todos los n

puntos de datos. SD es, aproximadamente, el promedio o

diferencia típica entre los puntos de datos

y su media, M. Alrededor de dos tercios de

los puntos de datos estarán dentro de la región

de media ± 1 SD, y el 95% de los datos

puntos estarán dentro de 2 SD de la media.

Es altamente deseable para

use n más grande, para lograr

inferencial más estrecho

barras de error y más

estimaciones precisas de la verdadera

valores de la poblacion

Las barras de error descriptivas también se pueden

se usa para ver si un solo resultado se ajusta

dentro del rango normal. Por ejemplo, si

deseaba ver si un conteo de glóbulos rojos

era normal, se podía ver si era

dentro de 2 SD de la media de la población

como un todo. Menos del 5% de toda la sangre roja

los conteos de células están a más de 2 SD del

decir, por lo que si el recuento en cuestión es más

que 2 SD de la media, podría considerar

que sea anormal.

A medida que aumenta el tamaño de su

muestra, o repite el experimento más

veces, la media de sus resultados (M) será

tienden a acercarse cada vez más a la verdadera

media, o la media de toda la población,

m. Podemos usar M como nuestra mejor estimación

de la desconocida μ. Del mismo modo, mientras repites

un experimento cada vez más veces, el

Figura 1. Barras de error descriptivas. Medios con error

barras para tres casos: n = 3, n = 10 y n =

30. Los pequeños puntos negros son puntos de datos, y los

columna denota la media de datos M. Las barras en

la izquierda de cada columna muestra el rango, y las barras

a la derecha muestra la desviación estándar (SD). M y

SD son los mismos para todos los casos, pero observe cómo

cuánto aumenta el rango con n. Tenga en cuenta también que

aunque las barras de error de rango abarcan todos

los resultados experimentales, no necesariamente

cubrir todos los resultados que posiblemente podrían ocurrir. Dakota del Sur

las barras de error incluyen alrededor de dos tercios de la muestra,

y 2 x barras de error SD abarcarían aproximadamente

95% de la muestra.

SD de sus resultados tenderá a más y

se aproxima más al verdadero estándar

desviación (σ) que obtendría si

el experimento se realizó un infinito

número de veces, o sobre toda la población.

Sin embargo, la DE del experimento

los resultados se aproximarán a σ, si n es

grande o pequeño. Como M, SD no cambia

sistemáticamente a medida que n cambia, y podemos

use SD como nuestra mejor estimación de lo desconocido

σ, cualquiera que sea el valor de n.

Barras de error inferencial. en experimental

biología es más común ser

interesado en comparar muestras de dos

grupos, para ver si son diferentes. Para

ejemplo, podría estar comparando tipo salvaje

ratones con ratones mutantes, o fármaco con

Figura 2. Intervalos de confianza. Medios y

IC del 95 % para 20 conjuntos independientes de resultados, cada uno

de tamaño n = 10, de una población con media μ =

40 (marcado por la línea de puntos). A la larga nos

esperar que el 95 % de dichos IC capturen μ; aquí 18 lo hacen

(puntos negros grandes) y 2 no lo hacen (círculos abiertos).

Los IC sucesivos varían considerablemente, no solo en

posición relativa a μ, pero también en longitud. La varia-

ción de CI a CI sería menor para conjuntos más grandes de

resultados, por ejemplo n = 30 o más, pero varia-

ción en la posición y en la longitud de CI sería incluso

mayor para muestras más pequeñas, por ejemplo n = 3.

placebo, o resultados experimentales con

control S. Para hacer inferencias a partir de los datos.

(es decir, para hacer un juicio si el

los grupos son significativamente diferentes, o

si las diferencias podrían deberse

a la luctuación al azar o al azar), un diferente

Se puede utilizar un tipo de barra de error. Estos

son barras de error estándar (SE) y confi -

intervalos de dencia (IC). la media de la

datos, M, con barras de error SE o CI, da una

indicación de la región donde puede esperar

la media de todo el conjunto posible de

resultados, o toda la población, μ, para mentir

(Figura 2). El intervalo defi ne los valores

que son más plausibles para μ.

Porque las barras de error pueden ser descriptivas

o inferencial, y podría ser cualquiera de las barras

enumerados en la Tabla I o incluso algo más,

no tienen sentido, o son engañosos, si el

La leyenda de las figuras no indica de qué tipo son.

son. Esto lleva a la primera regla. Regla 1:

cuando muestre barras de error, siempre describa

en las leyendas de las figuras lo que son.

Pruebas de significación estadística

y valores de p

Si realiza una significación estadística

prueba, el resultado es un valor P, donde P es el

probabilidad de que, si realmente no hay diferencia,

obtendrías, por casualidad, una diferencia

tan grande como el que observaste, o

Aún mas grande. Otras cosas (por ejemplo, muestra

tamaño, variación) siendo iguales, una mayor diferencia

en los resultados da un valor P más bajo,

lo que te hace sospechar que hay un verdadero

diferencia. Por convención, si P < 0.05 usted

decir que el resultado es estadísticamente significativo,

...