La robustez tiene varios significados en las estadísticas, pero todos implican cierta resistencia a los cambios en el tipo de datos utilizados. Esto puede sonar un poco ambiguo, pero eso se debe a que la robustez puede referirse a diferentes tipos de insensibilidades a los cambios. Por ejemplo:
- Robustez a los valores atípicos
- Robustez a la no normalidad
- Robustez a la varianza no constante (o heterocedasticidad)
En el caso de las pruebas , la robustez generalmente se refiere a que la prueba aún es válida dado dicho cambio. En otras palabras, si el resultado es significativo o no solo es significativo si se cumplen los supuestos de la prueba. Cuando tales suposiciones son relajadas (es decir, no tan importantes), se dice que la prueba es sólida.
El poder de una prueba es su capacidad para detectar una diferencia significativa si hay una diferencia real. La razón por la que se usan pruebas y modelos específicos con varios supuestos es que estos supuestos simplifican el problema (por ejemplo, requieren menos parámetros para estimarse). Cuantos más supuestos haga una prueba, menos robusta será, porque todos estos supuestos deben cumplirse para que la prueba sea válida.
Por otro lado, una prueba con menos supuestos es más robusta. Sin embargo, la robustez generalmente conlleva el costo de la energía, ya que se utiliza menos información de la entrada o se necesitan estimar más parámetros.
t
t
FF