TODO LO QUE DEBES SABER SOBRE ESTADISTICA INFERENCIAL FACIL Y CON EJEMPLOS
Summary
TLDREste capítulo de 'Psico Fácil' se enfoca en la estadística inferencial, una técnica que permite realizar afirmaciones sobre poblaciones a partir de muestras. Se explica cómo se formulan hipótesis y se utiliza el p-valor para determinar si se acepta o rechaza la hipótesis nula. El ejemplo de Mario y su novia ilustra cómo se toma una decisión estadística basada en la probabilidad de error. Además, se mencionan errores tipo 1 y tipo 2, y se introduce el concepto de tamaño de efecto para medir la magnitud de la diferencia en los resultados. El vídeo invita a los espectadores a reflexionar sobre la importancia de la estadística en la toma de decisiones y en la evaluación de la significancia de los hallazgos.
Takeaways
- 😀 Esta es la segunda parte de una serie sobre estadísticas, específicamente sobre estadística inferencial.
- 🔍 La estadística inferencial permite hacer afirmaciones sobre poblaciones a partir de muestras, utilizando un enfoque inductivo.
- 🌐 Se discute la imposibilidad de medir características en toda la población mundial, como el nivel de inteligencia, y cómo la inferencia estadística aborda este desafío.
- 🎯 Se explica que la inferencia estadística puede atribuir causas, establecer diferencias y predecir resultados, algo que la estadística descriptiva no puede hacer.
- 📊 Se menciona que la estadística inferencial utiliza datos descriptivos para realizar análisis más profundos.
- ❓ Se introduce la noción de hipótesis en la investigación: la hipótesis nula (H0) busca la igualdad y la hipótesis alternativa (Ha) busca diferencias.
- 🔍 Se define el p-valor como la probabilidad de que la hipótesis nula ocurra en el análisis estadístico realizado.
- 📉 Se explica que si el p-valor es menor a 0.05, se acepta la hipótesis alternativa, y si es mayor, se acepta la hipótesis nula.
- 🚫 Se discuten los errores de tipo 1 (rechazar una hipótesis nula verdadera) y de tipo 2 (no rechazar una hipótesis nula falsa) y sus consecuencias.
- 📚 Se enfatiza la importancia de los tamaños de efecto para determinar la magnitud de la diferencia y su significado en lugar de solo buscar diferencias estadísticamente significativas.
Q & A
¿Qué es la estadística inferencial y cómo se diferencia de la estadística descriptiva?
-La estadística inferencial es el proceso de hacer afirmaciones sobre una o varias poblaciones basadas en los resultados de una muestra, mientras que la estadística descriptiva se enfoca en resumir y describir los datos de una muestra sin intentar generalizar a una población más grande.
¿Cuál es el propósito de la hipótesis nula en la estadística inferencial?
-La hipótesis nula (H0) busca establecer la igualdad o la ausencia de efecto en la población, y es la hipótesis que los investigadores intentan rechazar con la ayuda de la evidencia estadística.
¿Qué es la hipótesis alternativa y cómo se relaciona con la hipótesis nula?
-La hipótesis alternativa (Ha) es la hipótesis que sugiere una diferencia o un efecto en la población, y se opone a la hipótesis nula. Es la hipótesis que los investigadores desean demostrar o aceptar.
¿Qué significa el término 'p-valor' en el contexto de la estadística inferencial?
-El p-valor es la probabilidad de obtener un resultado tan extremo o más extremo que el observado en la muestra, asumiendo que la hipótesis nula es verdadera. Un p-valor bajo un umbral de significancia (generalmente 0.05) puede llevar a rechazar la hipótesis nula.
¿Cuál es la diferencia entre un error de tipo 1 y un error de tipo 2 en la estadística?
-Un error de tipo 1 ocurre cuando se rechaza una hipótesis nula que es verdadera, mientras que un error de tipo 2 ocurre cuando no se rechaza una hipótesis nula que es falsa. En términos del ejemplo, un error de tipo 1 sería acusar a la novia de infidelidad cuando en realidad es fiel, y un error de tipo 2 sería no detectar la infidelidad cuando en realidad existe.
¿Qué es el tamaño del efecto y por qué es importante en la estadística inferencial?
-El tamaño del efecto mide la magnitud de la diferencia o el cambio atribuible a la variable independiente, más allá de la probabilidad de que se deba al azar. Es importante porque indica la relevancia práctica de los resultados, no solo su significancia estadística.
¿Cómo se determina si se debe usar una prueba estadística paramétrica o no paramétrica?
-La elección entre una prueba paramétrica o no paramétrica depende de la distribución de los datos y de si se cumplen ciertos supuestos, como la normalidad de la distribución de la población.
¿Qué es la hipótesis de igualdad y cómo se aplica en la investigación?
-La hipótesis de igualdad es la base de la hipótesis nula, que establece que no existe diferencia significativa entre los grupos o condiciones estudiadas. Se aplica para probar si hay una diferencia antes de tomar una decisión sobre la aceptación o rechazo de dicha hipótesis.
¿Cómo se interpreta un p-valor mayor a 0.05 en un análisis estadístico?
-Un p-valor mayor a 0.05 indica que no hay suficiente evidencia para rechazar la hipótesis nula, lo que sugiere que los resultados observados pueden ser explicados por el azar y no por un efecto real.
¿Cuál es la importancia de los tamaños de efecto de Cohen en la interpretación de los resultados estadísticos?
-Los tamaños de efecto de Cohen proporcionan una medida estándar de la magnitud de la diferencia observada, lo que ayuda a interpretar si los resultados son pequeños, medianos o grandes, y por lo tanto, cuán significativos son desde una perspectiva práctica.
Outlines
📊 Introducción a la Estadística Inferencial
Este primer párrafo introduce la estadística inferencial como un método para hacer afirmaciones sobre poblaciones a partir de muestras. Se explica que, aunque sería imposible medir el nivel de inteligencia de todas las personas del mundo, la inferencia estadística nos permite hacer generalizaciones basadas en datos de muestras. Se menciona que la estadística inferencial utiliza un método inductivo para generalizar resultados y que, a diferencia de la estadística descriptiva, permite establecer causas y predecir resultados. Además, se introduce el concepto de hipótesis, donde la hipótesis nula busca la igualdad y la hipótesis alternativa busca diferencias, y se explica cómo el p-valor ayuda a determinar si se acepta o rechaza una hipótesis.
🔍 Errores Tipo 1 y Tipo 2 en la Estadística
El segundo párrafo explora los errores tipo 1 y tipo 2 en el contexto de la investigación estadística. Se utiliza el ejemplo de Mario, quien pide a su amigo Andrés que vigile a su novia para determinar su fidelidad. Se discute cómo la decisión de rechazar o no la hipótesis nula (en este caso, la fidelidad de la novia) puede llevar a errores de tipo 1 (rechazar una hipótesis nula verdadera) o de tipo 2 (no rechazar una hipótesis nula falsa). Se enfatiza la importancia de evitar el error de tipo 1 debido a sus posibles consecuencias sociales significativas, a diferencia del error de tipo 2, que podría mantener el status quo. Además, se menciona la relevancia de los tamaños de efecto para evaluar la magnitud de la diferencia encontrada en los estudios.
📈 Selección de Pruebas Estadísticas y Tamaños de Efecto
El tercer párrafo habla sobre cómo elegir el tipo de prueba estadística adecuada para analizar datos, dependiendo de la distribución de la muestra. Se destaca la importancia de revisar si se utilizará estadística paramétrica o no-paramétrica antes de realizar análisis. Además, se introduce el concepto de tamaños de efecto, que miden la magnitud de la diferencia y ayudan a interpretar la relevancia de los resultados. Se menciona que los tamaños de efecto se calculan de diferentes maneras y se clasifican en pequeños (<0.1), medianos (0.2-0.4) y grandes (≥0.5). Finalmente, se invita al espectador a suscribirse al canal y a seguir el curso para aprender más sobre estadísticas.
Mindmap
Keywords
💡Estadística Inferencial
💡Muestra
💡Hipótesis
💡P-valor
💡Error Tipo 1
💡Error Tipo 2
💡Efecto Tamaño
💡Estadística Descriptiva
💡Hipótesis Nula
💡Hipótesis Alternativa
Highlights
Introducción al capítulo sobre estadística inferencial en la serie de estadísticas.
Discusión sobre la imposibilidad de medir la inteligencia de todas las personas del mundo.
Explicación de la inferencia estadística y su importancia en la generalización de resultados.
Diferenciación entre la estadística descriptiva y la inferencial.
Importancia de la hipótesis en la investigación estadística.
Definición de la hipótesis nula (H0) y la hipótesis alternativa (Ha).
Introducción al concepto de p-valor y su papel en la toma de decisiones estadísticas.
Ejemplo práctico de inferencia estadística con una historia sobre infidelidad.
Explicación de los errores de tipo 1 y tipo 2 en el contexto de la hipótesis.
Importancia de los tamaños de efecto en la evaluación de la significancia de los resultados.
Descripción de los tamaños de efecto según Cohen y su aplicación.
Importancia de la selección adecuada de pruebas estadísticas según la distribución de la muestra.
Invitación a los espectadores a suscribirse y seguir el canal para recibir más contenido sobre estadísticas.
Anuncio de próximos videos en la serie sobre estadística paramétrica.
Transcripts
Bienvenidos a psico fácil este es el segundo capítulo de nuestra serie de estadísticas y manejo de sps s
si te perdiste nuestro episodio de estadística descriptiva
puedes verlo en el link que aparece en la parte superior el día de hoy hablaremos sobre estadística inferencial
bienvenidos
Imagina que queremos conocer el nivel de inteligencia de todas las personas del mundo sin embargo para lograr hacer esto
requeriríamos mucho tiempo fondos y personal
aún así sería muy difícil poder abarcar a todo el mundo ya que no sabemos con exactitud cuántas personas hay
además de otras variables que en realidad no podemos controlar mejor dicho sería muy difícil si no imposible de realizarlo
entonces como sabemos por ejemplo que el nivel intelectual de una persona es de 100 puntos en promedio
si no podemos abarcar a toda la población la respuesta está en la inferencia
estadística la cual realiza afirmaciones sobre una o varias poblaciones
basadas en los resultados de una muestra obviamente
controlando muchas variables es decir la inferencia estadística
se basa en un método inductivo que va de lo particular a lo general esto lo hace empleando un conjunto de métodos estadísticos
cuyos resultados pretendemos generalizar
más podemos atribuir causas establecer diferencias predecir resultados
etcétera algo que la estadística descriptiva no nos permite hacer es así como por ejemplo utilizando estadística descriptiva
sabemos que en promedio 14 millones de personas entran a facebook en un día con la estadística
inferencial podemos conocer si las personas que duran más tiempo en facebook al día
pueden tener un riesgo mayor de tener adicción a las redes sociales pero no las separemos como metodologías
independientes ellas son más amigas de lo que crees es decir que la estadística inferencial
usa los datos de la descriptiva para realizar los análisis específicos
teniendo en cuenta lo anterior
debemos saber que cuando queremos realizar alguna inferencia de este tipo en alguna
investigación nos vamos a valer algún supuesto o algún resultado que como investigadores
esperamos sea bajo una certeza empírica y es lo que denominamos como
hipótesis es decir que si queremos conocer si existe diferencia entre géneros en la inteligencia podemos tener dos opciones
primero que no hayan diferencias
y segundo que las hayan así las podemos dividir en dos la hipótesis nula y la hipótesis de investigador
de can adelante para nuestros siguientes vídeos recuerda que cuando hablamos de hipótesis nula o h es la que buscamos rechazar
y ésta siempre va a buscar
igualdad mientras que la hipótesis alterna o h a es lo que nosotros como
investigadores queremos que pase y siempre buscamos aceptarla pero el hecho de que yo acepte o rechace una hipótesis
implica que tenemos la verdad absoluta
la respuesta es no
recordemos que la estadística busca una proximidad a la verdad y siempre vamos a tener una probabilidad que nuestra inferencia
específica no sea cierta es decir que la hipótesis que aceptemos sea la nula o la alterna
siempre va a tener una probabilidad de error
es acá donde entra el famoso p valor ese que siempre vemos en las investigaciones y en el que nos basamos para dar resultados
estadísticamente
significativos
el de valor nos va a indicar la probabilidad
que tiene la hipótesis nula de ocurrir en el análisis estadístico que hagamos y si esta probabilidad es mayor de
0.05 tendremos que aceptar la hipótesis nula por la hipótesis de igualdad mientras que si es menor que esta proporción
aceptamos la hipótesis alterna de diferencia o la de investigador en otras palabras
si repetimos el experimento 100 veces y los resultados son similares
95 veces o más
aceptamos la hipótesis del investigador pero si los resultados son similares menos de 95 veces
aceptamos la hipótesis nula o de igualdad
pongamos todo esto en un ejemplo para que nos quede un poco más claro
hagamos de cuenta que mario está sospechando que su novia le es infiel
así que pide a su amigo andrés vigilar a su novia que la siga varias veces para observar su fidelidad
en este caso la hipótesis del investigador o de mario es la infidelidad de su novia mientras que la hipótesis
nula sería la fidelidad
ahora bien luego de que andrés siguió 100 veces a la novia de mario se da cuenta que el 95
ocasiones ella fue a los sitios donde dijo ir se portó bien con otros chicos
etcétera pero en sólo cinco ocasiones la vio teniendo algunas conductas de coqueteo
hablaba además con ellos o fue algún sitio diferente al que dijo que iría
estadísticamente y por probabilidad en este caso rechazaríamos la hipótesis del
investigador o de mario y podríamos afirmar que la novia de mario es fiel con una probabilidad de error o por debajo de
0.5 o un porcentaje de error del 5%
felicidad que es la acción del año
por lo tanto en este caso aunque muchos no estén de acuerdo
así es como funciona la estadística y recordemos que siempre tenemos una probabilidad de error
no me digan nada me hace una pregunta es porque andrés no tenía una vida propia
En este caso aceptamos
la hipótesis nula pero muchas veces puede pasar que rechazamos esta hipótesis
o que no la rechazamos y es cuando caemos en un error de tipo 1 o de tipo 2
para que lo entiendas fácil nos basaremos en esta tabla como vemos en ella
ecológica rechazar una hipótesis nula falsa al igual que no rechazar una hipótesis cierta es decir
aceptarla como cierta estamos bien
ahora bien supongamos que por el sesgo de su soledad andrés rechaza la hipótesis nula o de fidelidad
es decir le dice a mario que su novia lo engañó en este caso la novia de mario le era infiel con una probabilidad de
error menor de
0.05 y mário por recomendación de andrés cometió un error de tipo 1
el error de tipo 2 ocurre cuando no se rechaza una hipótesis nula falsa es decir si la novia de mario fuera infiel
aceptar que era fiel
en estadística lo que más buscamos es no cometer un error de equipo 1 ya que éste conlleva a grandes cambios a nivel
social mientras que el error de tipo 2 va a dejar por decirlo así que todo siga igual
en nuestro ejemplo en caso de que mario comete un error de tipo 1 va a ser que termine la relación con su novia
que sufra y se terminen llevando una mala relación de ex novios basados en una mentira y con todo lo que implica
esto emocionalmente
mientras que si mario comete un error de tipo 2 va a seguir de novio con ella y todo va a seguir igual
al fin y al cabo ojos que no ven corazón que no siente
aunque quizás muchos de ustedes me digan que el error de tipo 2 en nuestro ejemplo
es quizás peor que cometer el error de tipo 1
recordemos que en la vida real los resultados de los estudios pueden tener un gran impacto social por ejemplo
imagina que hacen un estudio donde encuentran un nuevo método de enseñanza por youtube que puede reemplazar la educación común y corriente
este estudio se vuelve tan
impactante que el gobierno decide cambiar todo el sistema educativo
por vídeos de youtube pero si en este estudio se cometió un error de tipo 1 es decir rechazar la hipótesis de igualdad y
estudiar por youtube es lo mismo que estudiar por métodos tradicionales
esta decisión hará que se cambien leyes se acaben colegios se despidan profesores
etcétera mientras que si se comete un error de tipo 2 es decir no rechazar una hipótesis de igualdad
aceptando que los programas son iguales pero en realidad era mejor el método de youtube
pues todo va a seguir igual al fin y al cabo nos seguimos rigiendo por la educación
cristiana del siglo 18 pero en el fondo todos sabemos que estudiar por youtube es mejor o que hacer viendo nuestros
videotutoriales y bueno ya te suscribiste
Para concluir aprenderte este recuadro que te va a servir para evaluar las pruebas estadísticas
y recuerda h es la hipótesis nula donde existe igualdad en caso de que sea mayor a
0.05 y aceptamos h y la hipótesis del investigador si p es menor a 0.05
ahora bien en nuestro ejemplo vale la pena aclarar que aunque rechazamos o no la hipótesis nula
recordemos que sólo estamos evaluando supuestos o probabilidades de ocurrencia de un error
generalmente se le conoce como valores estadísticamente
significativos sin embargo qué tan
significativo puede ser nuestro hallazgo es decir y volviendo a nuestro ejemplo el aprendizaje por youtube en caso de que fuera mayor el
resultado de los videotutoriales que tan significativo puede ser es decir si comparan los resultados
de la medida de un vídeo donde se enseñan los tipos de memoria
versus las clases tradicionales el puntaje mayor de los participantes que vieron
videotutoriales se explica sólo por el efecto del vídeo
donde dejas la inteligencia de las personas los niveles de concentración cuando hicieron la evaluación
y todas las variables que quizás puedan influir
para este problema utilizamos los tamaños del efecto el cual nos va a decir qué tanto explica la variable independiente
el cambio sobre la variable dependiente y no el azar u otras variables extrañas
los tamaños de efecto están siendo más utilizados en la actualidad pese a ser un concepto antiguo y la american psychological association
recomienda su uso en estudios científicos
su importancia radica en el hecho de que no porque hayan diferencias en una variable su cambio se explique por otra variable
para evaluar el tamaño del efecto los valores deben aproximarse más a uno que entre más fuerte mejor
inclusive hay tamaños de efecto que superan el valor de uno en caso de tamaños de efecto de cohen que son los
comúnmente utilizados y que en otro vídeo te enseñaremos a sacar los
se calculan de la siguiente forma un tamaño de efecto pequeño son los por debajo de 0.1
mediano entre 0.2 y 0.4 y un tamaño de efecto grande es igual o superior a
0.5 teniendo claro esto es decir nuestro primer vídeo sobre estadística descriptiva
la función de la estadística inferencial las pruebas de
hipótesis el p valor y los tamaños de efecto ya estamos listos para empezar a utilizar nuestros datos
estadísticos pero como sé qué tipo de prueba estadística puede usar por ejemplo para hacer una correlación
una prueba de pearson o una spearman la respuesta es depende de la distribución de nuestra muestra
antes de hacer cualquier análisis estadístico debemos revisar si vamos a utilizar estadística paramétrica o no
paramétrica el cual veremos en nuestro siguiente vídeo tienes dudas déjala en la caja de comentarios hasta la próxima
pues por ver este capítulo de nuestra serie
estadística de psico fácil te invitamos a que sigas disfrutando
de cada uno de los vídeos que contiene este curso da clic sobre nuestro capítulo siguiente en el enlace
o bien puedes continuar con los vídeos sugeridos del curso a su vez te invitamos a que te
suscribas en nuestro canal de youtube y nos sigas en las redes sociales
hasta la próxima
浏览更多相关视频
5.0 / 5 (0 votes)