Las barras más pequeñas pueden provenir de los mismos datos
Imagínate dos figuras en tu pantalla. Ambos conspiran un promedio de 60. En una, las barras alcanzan una docena de unidades por encima y por debajo del punto. En el otro, se extienden sólo cuatro. Parece que el segundo experimento fue mucho más tidier, hasta que leas las leyendas y encuentras que ambos gráficos resumen las mismas observaciones.
Siempre que veas barras de errores, encuentra la frase que los define. Debe nombrar la cantidad, como SD, SEM o IC 95%, y decir qué observaciones el cálculo utilizado. La longitud de la barra es sólo interpretable una vez que usted tiene esos dos detalles.
Esparcimiento, precisión y intervalos
La desviación estándar (SD) describe cómo se extienden las observaciones alrededor de su media. Puede ayudar a imaginar si los valores se sientan unidos o tienden a alejarse del centro. Las observaciones individuales pueden darle una visión más clara de los racimos, lagunas o puntos inusuales que una sola medida de propagación no puede mostrar.
El error estándar de la media (SEM) describe la precisión estimada del promedio. En un simple cálculo con observaciones independientes es la muestra SD dividida por la raíz cuadrada del tamaño de la muestra. Si ese tamaño aumenta mientras la extensión observada se mantiene similar, SEM se vuelve más pequeño. Se puede estimar el promedio más precisamente mientras todavía se observa una variación sustancial entre las observaciones.
Un intervalo de confianza (CI) añade un nivel de confianza declarado y un método para construir un intervalo alrededor de una estimación. Para un intervalo de 95% frecuente, el procedimiento cubriría el parámetro subyacente en alrededor del 95% de las muestras repetidas bajo las hipótesis modelo. Lea los variables medidas en las unidades de la estimación. Describen la incertidumbre sobre esa estimación, como una media de grupo o una diferencia.
Fuentes: Dahlin and colleagues, NIH/NCATS Assay Guidance Manual (2019): Basic Guidelines for Reporting Non-Clinical Data · Cumming, Fidler and Vaux, Journal of Cell Biology (2007): Error bars in experimental biology
Trabajar a través de un conjunto ficticio de números sumarios
Supongamos que nueve observaciones independientes tienen una media de 60 unidades de respuesta y una muestra SD de 12. Una SD en cada lado de la media da barras de 48 a 72. Dividir 12 por la raíz cuadrada de nueve da un SEM de 4, por lo que significa más o menos un SEM da barras de 56 a 64.
Para estos números ficticios, un intervalo habitual de dos lados del 95% t para el medio es de aproximadamente 50.8 a 69.2, asumiendo que las condiciones para ese intervalo son apropiadas. El centro es de 60 en las tres pantallas. Los variables medidas se mueven porque las barras describen diferentes cantidades.
Cuando te encuentres con una figura que sólo dice “medio ± error”, escribe lo que falta. El ancho por sí solo no puede decirte qué fórmula se usó. Una barra muy estrecha ofrece poca ayuda si usted está tratando de juzgar cuántos muestras individuales variaron y usted no puede encontrar las observaciones subyacentes.
Encuentra la diferencia que el experimento realmente estima
Es tentador convertir barras superpuestas en una prueba sí-o-no. Comience en su lugar con la comparación que le importa. Un intervalo alrededor de la diferencia puede abordar esa pregunta más directamente que dos intervalos alrededor de medios separados. La superposición depende de lo que representan las barras y de cómo se relacionan las estimaciones.
Considere una comparación de parejas ficticias. Cuatro preparaciones celulares dan lecturas de 48, 54, 66 y 72 en una condición. Sus lecturas coincidentes en una segunda condición son 49, 56, 67 y 74. Los preparativos difieren sustancialmente unos de otros. Los cambios dentro de los preparativos son 1, 2, 1 y 2 unidades. Puedes ver el emparejamiento inmediatamente si la trama dibuja una línea entre las lecturas de cada preparación.
Weissgerber y colegas muestran cómo las relaciones diferentes pueden desaparecer detrás del mismo gráfico sumario. Cumming y Finch explican por qué el diseño importa al interpretar el intervalo de solapamiento. Para datos emparejados, busque una estimación del cambio dentro del pago y su incertidumbre. Las lecturas ficticias ilustran la distinción y son demasiado limitadas para cualquier conclusión general sobre un péptido.
Fuentes: Cumming and Finch, American Psychologist (2005): Inference by eye: confidence intervals and how to read pictures of data · Weissgerber and colleagues, PLOS Biology (2015): Beyond Bar and Line Graphs: Time for a New Data Presentation Paradigm
Una cinta alrededor de una curva ajustada necesita su propia capa
En una parcela de resistencia a la concentración, las barras en puntos medidos y una banda sombreada alrededor de una línea ajustada pueden referirse a diferentes cantidades. Lea lo que rodea la banda. Podría describir la incertidumbre en la respuesta media ajustada o un rango para futuras observaciones bajo un modelo. El ancho cerca de una concentración no le dice la incertidumbre del EC50 ajustado por sí mismo.
Mantenga el parámetro reportado y su intervalo juntos en sus notas. Si usted está comparando puntos intermedios, busque incertidumbre en los puntos intermedios o en su contraste. Si usted está comparando respuestas a una concentración, busque evidencia sobre esa respuesta. Esos son trabajos separados de lectura incluso cuando la misma trama está abierta delante de ti.
Poner el resultado y sus límites en la misma frase
Trate de describir la figura a alguien que no puede verla. Dar la estimación, sus unidades y los variables medidas del intervalo. Diga si esos variables medidas pertenecen a una media, una diferencia o un valor ajustado. Por ejemplo, en la pantalla ficticia de nueve observaciones, usted podría describir la media como 60 unidades de respuesta e identificar el intervalo alrededor de eso significa como 50.8 a 69.2 bajo los supuestos declarados.
Entonces pregunte si se trata de la estimación del titular del artículo. Un panel sobre la incertidumbre de un promedio puede decir poco sobre cómo las muestras individuales respondieron de forma similar. Un panel de curvas que resume las respuestas en varias concentraciones puede dejar una comparación de los parámetros ajustados a una tabla. Sigue buscando hasta que encuentres el análisis que coincida con la reclamación.
Preguntas frecuentes
¿Las barras SEM más cortas significan que las observaciones variaron menos?
Busque el SD o las observaciones individuales si desea conocer la propagación. SEM también depende del número y la estructura de las observaciones utilizadas para estimar la media.
Fuentes: Dahlin and colleagues, NIH/NCATS Assay Guidance Manual (2019): Basic Guidelines for Reporting Non-Clinical Data · Cumming, Fidler and Vaux, Journal of Cell Biology (2007): Error bars in experimental biology
¿Dónde debería buscar incertidumbre cuando las muestras están emparejadas?
Busque las diferencias emparejadas y un intervalo alrededor del cambio estimado. Una parcela conectada también muestra qué dos medidas pertenecen a la misma preparación.
Fuentes: Cumming and Finch, American Psychologist (2005): Inference by eye: confidence intervals and how to read pictures of data · Weissgerber and colleagues, PLOS Biology (2015): Beyond Bar and Line Graphs: Time for a New Data Presentation Paradigm
Si dos intervalos de confianza se superponen, ¿la diferencia estimada todavía puede ser estadísticamente distinguible de cero?
Sí. Los intervalos separados describen las estimaciones individuales. Interprete el intervalo o prueba para la diferencia utilizando el diseño de estudio real, especialmente cuando las observaciones se emparejan o se relacionan de otro modo.
Fuentes
- Basic Guidelines for Reporting Non-Clinical DataDahlin and colleagues, NIH/NCATS Assay Guidance Manual · 2019
- Error bars in experimental biologyCumming, Fidler and Vaux, Journal of Cell Biology · 2007 · DOI: 10.1083/jcb.200611141
- Inference by eye: confidence intervals and how to read pictures of dataCumming and Finch, American Psychologist · 2005 · DOI: 10.1037/0003-066X.60.2.170
- Beyond Bar and Line Graphs: Time for a New Data Presentation ParadigmWeissgerber and colleagues, PLOS Biology · 2015 · DOI: 10.1371/journal.pbio.1002128
EliteGen Research publica este artículo con fines educativos para la investigación. Los estudios describen sus propios materiales y condiciones experimentales. No determinan la identidad, la calidad ni la idoneidad de un producto de EliteGen. Este artículo no ofrece orientación para uso personal, humano ni veterinario.



