Archivos de estadísticas

Por qué pensar en probabilidades no es intuitivo

¿Tiene en cuenta la probabilidad a la hora de tomar decisiones? ¿Por qué tomamos decisiones que contradicen la lógica probabilística? Entender la probabilidad puede ser especialmente relevante para nuestra vida cotidiana porque tomamos decisiones basadas en nuestra percepción de la probabilidad todo el tiempo. Sin embargo, nuestra percepción de los resultados probables suele ser matemáticamente irracional. Esto se debe a que pensar en probabilidades no es intuitivo: La mayoría de la gente piensa en términos de categorías binarias de "sí", "no" y "quizá". He aquí por qué tomamos decisiones que contradicen la lógica probabilística.

¿Qué es el análisis inferencial en estadística?

¿Qué es el análisis inferencial? ¿Qué puede decirnos la estadística inferencial sobre los datos? En términos sencillos, la estadística inferencial es una especie de combinación de datos y probabilidad. Al igual que la probabilidad nunca garantiza un resultado, en la estadística inferencial no hay respuestas definitivas. Más bien, la estadística inferencial nos ayuda a utilizar lo que sabemos para hacer conjeturas matemáticas sobre lo que queremos saber. Siga leyendo para conocer la guía definitiva de la estadística inferencial.

El coeficiente de correlación: Estadística 101

¿Qué es el coeficiente de correlación en estadística? ¿Qué puede decirnos el coeficiente de correlación sobre la relación entre dos variables? ¿Qué peligro hay en confundir correlación con causalidad? Una cifra llamada coeficiente de correlación cuantifica la fuerza y la dirección de la relación entre dos variables. Un error frecuente en estadística es equiparar correlación con causalidad. Puede ser tentador extrapolar más allá de un coeficiente de correlación, pero eso llevará a conclusiones causales que la correlación no puede respaldar. En este artículo, desglosaremos el concepto de correlación estadística y explicaremos por qué correlación no equivale a causalidad.

Sesgo de usuario sano en la investigación médica

¿Qué es el sesgo del usuario sano? ¿Cómo podemos aislar si una intervención explica realmente las diferencias entre individuos? El sesgo del usuario sano se produce en los estudios que pretenden evaluar el efecto de un determinado tratamiento o intervención. Dado que las personas que deciden participar en estos estudios tienden a ser significativamente diferentes de sus compañeros, es difícil evaluar hasta qué punto la intervención (y no las características de los participantes) explica los resultados. Siga leyendo para saber más sobre el sesgo del usuario sano y cómo afecta a los resultados de la investigación.

Diferencia entre correlación y causalidad

¿Cuál es la diferencia entre correlación y causalidad? ¿Cuáles son las consecuencias de confundir correlación con causalidad? Que dos variables estén correlacionadas no significa que una esté causando la otra. La correlación cuantifica una relación entre dos variables, pero no explica esa relación. Se trata de una distinción crucial que hay que tener en cuenta, ya que equiparar correlación y causalidad puede llevar a tomar decisiones equivocadas. He aquí por qué correlación no implica causalidad.

El sesgo de supervivencia en las estadísticas sesga los resultados

¿Qué es el sesgo de supervivencia en estadística? ¿Cómo influye el sesgo de supervivencia en la interpretación de los resultados de la investigación? Siempre que una parte de la muestra de un estudio pueda "abandonar" el estudio, debemos tener cuidado con el sesgo de supervivencia. El sesgo de supervivencia se produce cuando extraemos conclusiones basándonos en los "supervivientes" de un determinado tratamiento o intervención. Siga leyendo para saber más sobre el sesgo de supervivencia y cómo afecta a los resultados de la investigación.

El estadístico R^2 en la regresión lineal

¿Qué es el estadístico R2? ¿Qué nos dice el valor de R2 sobre el cambio en la variable dependiente? El estadístico R2 representa la proporción de la varianza en la variable dependiente que se deriva del cambio en la variable independiente. Al utilizar el estadístico R2 para cuantificar la asociación entre las variables independiente y dependiente, es importante tener en cuenta que el R2 de la regresión lineal sólo se aplica a las relaciones lineales. Es posible que dos variables estén relacionadas, pero no de forma lineal. Aquí tienes un vistazo al estadístico R2 en la regresión lineal.

¿Qué es el sesgo de selección en la investigación?

¿Qué es el sesgo de selección en la metodología de la investigación? ¿Cómo afecta el sesgo de selección a los resultados de la investigación? El sesgo de selección se produce cuando los individuos elegidos para participar en un estudio no son representativos de la población de interés. El sesgo de selección puede ser sutil: si los investigadores no son conscientes del sesgo de selección al desarrollar métodos de recogida de datos, el hecho de que una muestra no sea realmente aleatoria puede pasar desapercibido. A continuación se explica por qué es importante tener cuidado con el sesgo de selección cuando se recopilan datos con fines de investigación.

¿Cómo se recopilan los datos de las ciencias sociales? Grandes datos

¿Cómo podemos utilizar los macrodatos para estudiar las ciencias sociales? ¿Cómo nos aportan los datos una mayor comprensión de las ciencias sociales? A través de los datos de búsqueda, los investigadores pueden descubrir información psicológica y sociológica que las encuestas tradicionales no podían proporcionar. Seth Stephens-Davidowitz, autor de Everybody Lies, pone como ejemplo las teorías de Freud sobre la sexualidad. Lea cómo recibir datos de las ciencias sociales con la ayuda del big data.

Cómo los macrodatos aportan nueva información

¿Qué tipo de información proporcionan los macrodatos? ¿Cómo obtiene esta información? En Everybody Lies, Seth Stephens-Davidowitz afirma que los macrodatos nos abren los ojos a nuevos tipos de información que antes no estaban disponibles. Podemos encontrar esta nueva información en motores de búsqueda y fuentes de datos no convencionales. Siga leyendo para saber de dónde procede esta información de big data.