Cualquier investigador habrá escuchado hablar alguna vez de las pruebas de hipótesis paramétricas clásicas (e.g. t de Student, ANOVA, regresión por mínimos cuadrados). Son el tipo de pruebas más utilizado aunque requieren que se cumplan sus supuestos (e.g. normalidad y homogeneidad de varianza) para que realmente generen buenos resultados. Los datos reales no suelen cumplir con estos supuestos, y, como consecuencia, disminuye la capacidad de detectar efectos reales (i.e. afecta al -valor, además del tamaño del efecto y a los intervalo de confianza estimados). ¡Toda la interpretación de tus datos puede ser errónea!. Pero no hay que alarmarse, tenemos una solución.
Guía de orientación sobre estudios y tendencias de formación
