tv.um.es

La este vídeo vamos a repasar una cuestión muy importante cuando tenemos que trabajar con análisis de datos, y es la inferencia estadística. Digamos que las investigaciones más frecuentes pueden ser o bien descriptivas o bien inferencias es una investigación de crítica en la que se realiza sin plantear una hipótesis inicial, y 1 va a ver qué datos tiene en cambio una hipótesis, inferencia; una investigación de tipo, confirmatorios, diferencial, muy frecuente en los artículos de investigación, donde al final de la introducción de plantean la hipótesis que quieren probar y se realiza el análisis estadístico adecuado para ver si se confirma esa hipótesis. Digamos que la mayor parte de las investigaciones empíricas que son esas que van a utilizar datos provenientes de sujetos o en general de unidades de observación, tienen por fin confirmar una hipótesis. En cuanto a las hipótesis, vamos a diferenciar hipótesis científicas, de hipótesis, operativas, una hipótesis científicas. Cualquier afirmación que se pueda comprobar y una hipótesis para que se pueda comprobar, necesita relacionar 2 o más conceptos y necesita ser empíricamente comprobable una hipótesis operativa. En cambio, en la que se expresa de una determinada manera idealmente se expresa de la manera que debería confirmarse o verificarse. Vamos a ver algunos ejemplos. Una hipótesis científica podría ser que con mascarillas todos somos más guapos y 1 hipótesis operativa. Podría ser. Si una persona lleva mascarilla, entonces será percibida como más atractiva. Observamos que la hipótesis operativa nos dice cómo tenemos que comprobar eso. Si una persona la lleva, si una persona no la lleva, si una persona lleva, entonces será percibida como más atractivo otro caso. El café quita el sueño de manera operativa si una persona toma café por la tarde noche. Entonces tardará más tiempo en dormirse que si no toma café; estamos redactando lo que debemos observar en caso de que sea cierta esa hipótesis. Así se plantea una hipótesis operativa, o en el caso mis estudiantes de tercero, de ESO son muy inteligentes. Un ejemplo, la hipótesis operativa. La inteligencia de los estudiantes de este grupo de estudiantes es superior a la inteligencia promedio de los estudiantes que tienen su misma edad. Una hipótesis operativa a nivel estadístico se traduce en 2 tipos de hipótesis, una hipótesis nula y una hipótesis alternativa. La hipótesis nula siempre va a plantear que los elementos que se están comparando en esa hipótesis no difieren, son iguales. La diferencia son nulas, hay igualdad? Las diferencias no son significativas, una hipótesis alternativa justo lo contrario, la que plantea, que sí que difieren o en general que la hipótesis nula es falsa. Por ejemplo, hipótesis. Las personas que llevan mascarillas se perciben igual de atractivas que si no la lleva, o la ingesta de caja no supone más tiempo para 2000, supone el mismo tiempo para dormir. Tomen café o no; tomen café con los estudiantes de tercero, de ESO. Estos estudiantes, en concreto de este aula, tienen una inteligencia que no difiere a la esperable en su edad. En cualquiera de los casos la hipótesis nula plantea Que no hay diferencias; en cambio, la hipótesis alternativa en cada caso plantearía que las personas que llevan mascarillas se perciben más atractivas que, si no la llevan, que la ingesta de café supone más tiempo para dormir y que los estudiantes, ese grupo de estudiantes del tercero, de ESO, tiene una inteligencia superior a la esperable para su edad, hipótesis nula e hipótesis alternativa. Una investigación consiste en decidir cuál es la correcta, si la nula o la alternativa, y para eso tenemos que recurrir a la significación estadística. Para eso utilizaremos una prueba estadística, y esa prueba estadística aportará un valor de probabilidad que siempre va a ser. La probabilidad de que la hipótesis nulas sea cierta siempre siempre la probabilidad de que sea cierta la hipótesis, ahora, si la probabilidad de que sea cierta la hipótesis nula es muy, muy baja, pues tendremos que pensar que la hipótesis nula no es cierta, pero cuando es muy baja pues por convención, por un acuerdo no escrito bueno, escrito. En algunos sitios se clara cuando es inferior a punto 0. 5 probabilidad punto 0 5, que equivale en porcentaje a una probabilidad inferior o igual al 5 por 100. Si la probabilidad de que la hipótesis nulas sea cierta es del 5 por 100 menos, tendremos que concluir que la hipótesis nula no es cierta, que es falsa, y entonces asumir porque lo asumimos, no lo comprobamos que la correcta en la hipótesis alternativa. Así por ejemplo, en el caso de los estudiantes de tercero de ESO, la hipótesis nula plantea igualdad que son igual, tienen una inteligencia equivalente a cualquier estudiante de su edad. La hipótesis alternativa dice que no, que son más inteligentes. Hacemos una prueba estadística que podría ser una prueba. Te despiden y obtenemos una probabilidad. Aquí tenemos varios casos. Si la probabilidad fuera de 0 23, hay que rechazar. La hipótesis y admitir la alternativa difiere; son más inteligentes. Si la probabilidad fuese de 0, 10 es una probabilidad superior a ese 5 por 100 que marcamos como barrera. Entonces se aceptaría la hipótesis, nula; si la probabilidad fuese de punto menor al punto 0, 0 1 sería una probabilidad muy baja, se rechazaría la hipótesis, nula. Si la probabilidad fuera de 0 71, 71 por 100 de que la hipótesis nula sea sea cierta por la aceptamos, la nula, la consideramos cierta y admitimos que no difieren nuestro grupo de estudiantes con respecto a lo de su edad, y si la probabilidad de que fuese cierta fuese de 0, con 0, 0 a 3, un 0,3 por 100, muy bajo, pues tendríamos que rechazarla y admitir que se difiere. Así que una prueba estadística te aporta esa probabilidad que te indica la probabilidad de ser cierta, la hipótesis nula, y en base a eso tomamos una decisión. Un ejemplo para medir la inteligencia se utiliza antes de inteligencia que suelen estar baremados; con media 100 desviación típica, 15, así que la población de estudiantes, si todos los estudiantes de tercero de ESO completarán un de inteligencia, tendríamos una distribución de puntuaciones de muchísimos estudiantes que tendría por mediación y desviación típica, aquí supongamos que extraemos una muestra de 50 estudiantes de esa población y obtenemos su media. Volvemos sea extremos otra muestra distinta de 50 estudiantes de esa población y obtenemos un medio y eso lo vamos repitiendo y repitiendo y repitiendo. Por ejemplo, 3.000 veces accedemos a 3.000 muestras de 50 estudiantes y en cada caso obtenemos una media; al final tendremos 3.000 medias eso lo podríamos hacer hasta hasta el infinito que tendremos. Al final tendremos una distribución de medias, un conjunto de medidas que sería una distribución de puntuaciones que vamos a denominar distribución muestral de la media, haya una distribución mostrarle la media, y hay una distribución muestral de la proporción. Hay una distribución muestral de la mediana; hay una distribución muestral de la diferencia de medias, hay mucha distribución; en muestra utilizamos la de la media para entender cómo funciona esto de la inferencia estadística, así que en la parte de arriba en morado, tendríamos lo que en la distribución de inteligencia en la población y si simulamos 1.000 muestras de tamaño 50 obtenemos la media de cada una. De esas muestras tendríamos la distribución verde, la media de una distribución muestral. La media de una distribución formada por medias tiene la misma media valga la redundancia que la media de la población, es decir la distribución mostrado, tiene por media 100 a nivel teórico sabemos cuál es la desviación típica de esta distribución muestral de la media marcada en verde a nivel teórico sería la desviación típica de la población, que es 15, entre raíz de que sería el fallido 50 Es decir, que esta distribución muestral de la media que sea se ha formado con medias, demuestra de 50 personas, tienen una desviación típica de 2, una distribución especial en la distribución de puntuaciones típicas, connotaciones estándar o puntuaciones, etcétera, se llama distribución normal estandarizada y se se forma a partir de las puntuaciones etcétera, de todas las puntuaciones posibles. Una puntuación típica puntuación CETA, es el número de desviaciones típicas que una comunicación se aleja de la media en promedio, una puntuación, una, perdón, una distribución de puntuaciones típicas tienen media 0 desviación típica. 1 es una distribución especial porque no tiene unidad de medida, y, sea cual sea la distribución de partida, sea inteligencia que sea ansiedad, que sea el número de piezas defectuosa, sea cual sea si se convierte en una distribución de puntuaciones típicas, tendrá estas características media 0 acción típica. Así que si yo sé que la distribución muestral de la media, que es de lo de donde venimos, tiene media 100 desviación típica 2 con 12 Qué medidas ha obtenido mi muestra? Pues esa puntuación de la media que ha obtenido en mi muestra menos -100 que la media de la población entre 2 con 12. Me dará esa puntuación y eso esta distribución teórica es tan conocida que sé perfectamente la probabilidad de cualquier puntuación típica, así que tengo la distribución de puntuaciones típicas y, como conozco perfectamente la probabilidad asociada a cada a cada puntuación, puedo determinar que la puntuación típica 1 96 que estaría aquí deja por encima de si el 2,5 por 100 de las puntuaciones típicas y la puntuación menos -1, 96, deja por debajo. El otro 2,5 por 100 de las contrataciones típicas, antes estudiaba estadística, con unas tablas la tabla de la de la puntuaciones de la distribución normal, donde tú buscaba la puntuación que puntuación dejaba por debajo, el 2,5 por 100 eran menos -1, 96, qué puntuación dejaba por encima del 2,5 por 100 era 1, 96 Claro. Si esto es una puntuación típica menos -1, 96, que es una media, me nacía, y dividido con dividido entre 2 con 12, arrastrando el ejemplo que traemos, que media de la muestra es la que tiene una puntuación típica de menos -1, 96, pues la media de la muestra, 95, 84, la puntuación un 1, 96. La media de la muestra sería 104 con 16, que estamos diciendo que entre 95, 8.404 16 se encuentra el 95 por 100 de las posibles medias que se puedan obtener en una muestra de 50 estudiantes que por encima de la media, 104, 16 se encuentra el 2,5 por 100 de la media, las más altas y por debajo de 95, 84. El 2,5 por 100 de la media es con menor valor, así que 95, 8.404 con 16 define el intervalo de confianza al 95 por 100, con un nivel de confianza del 95 por 100 en torno a la media, todo lo que hay en medio son medias valga la redundancia, y si la y si la muestra, y si tu muestra situ con 50 estudiantes ha sacado una media de 104, hombre, por 104 estaría por aquí cae en ese 95 por 100. Vamos a decir que tu muestra se diferencia de la población cuando salga de ese 95 por 100, cuando esté fuera de ese intervalo. Por tanto una media de 104 tendremos que decir que no difiere de lo esperable en la población. En cambio una media de 105 sí porque está fuera de ese intervalo. Una media de 93; también una media de 106 también, pero una media de 98 No. De esa manera podríamos determinar que si la media que tú has obtenido en tu muestra de 103 no difiere de la población, si es de 105, es superior a la media de la población, y 7, 94 que está fuera del intervalo también es; es; es inferior a la media esperable. Pero, claro, yo no necesito estar comprobando a nivel estadístico cuál es la media y cuál es el intervalo de confianza, aunque en muchas revistas piden que se pongan los intervalos de confianza, porque en realidad el programa estadístico en lo que me enfadara. Es una probabilidad. Si la probabilidad reportada es inferior al 5 por 100, vamos a admitir que está fuera del intervalo, y si la probabilidad superior al 5 por 100, como en este caso 0 15 Entonces estará dentro del intervalo. Si media está dentro de ese intervalo pues no difiere. Tengo que admitir que no difiere de la población admitiré. La hipótesis, si está fuera, quiero advertirle que sí que difiere y que, por tanto, aceptaré la hipótesis alternativa. En eso consiste la inferencia estadística, pero además de la inferencia estadística, cada vez con más frecuencia las revistas solicitan la significación práctica. El tamaño del efecto observatorio, si se aplique un tratamiento a un grupo experimental y a un grupo de control, el efecto del tratamiento como es muy bajo, bajo medio alto para eso, se utiliza determinados índices, como la de Cohen ETA cuadrado ETA cuadrado parcial o amiga cuadrado que evalúa la magnitud de ese efecto en función del valor que tenga. Por ejemplo, una vez de Cohen, si se utiliza una prueba, te para comparar 2 medias; si es mayor de 0 con 8 la de cohecho, pues el tamaño del efecto es muy alto, sin mayor de 0 50 medios y en mayor de 0 20 bajo y sin menor de 0, 20, muy bajo o nulo, así que, aparte de significación estadística, la significación práctica se hace imprescindible también reportarla en las investigaciones actuales. Esto es lo mínimo que tenemos que saber para poder avanzar en la utilización de pruebas estadísticas. Aquí en este enlace que tenéis en el doy podéis acceder a toda una relación de índice de tamaño del efecto y los criterios de interpretación, un saludo. Muchas gracias.